基于门控机制时空图卷积模型的交通预测
张锦1
王卉2
邝利丹3
刘园园2
李强2
孙程2
1.湖南师范大学 长沙 410081;长沙理工大学 长沙 4101142.湖南师范大学 长沙 4100813.长沙理工大学 长沙 410114
摘要：传统的交通预测方法忽略了交通数据的时空依赖性而表现出较差的性能;现有的交通预测模型大都基于GNN和RNN,虽然这些模型在很大程度上提高了预测性能,但是仍有局限性,例如RNN在处理长时序列时会造成梯度爆炸问题.论文提出了一种基于门控机制的时空图卷积网络(GSTGCN)来进行交通预测.GSTGCN的核心是时空卷积模块,其主要包含三个部分:标准门控时间卷积层,图卷积层和门控扩散因果时间卷积层.除此之外,论文还引入了掩码矩阵来构造交通图的邻接矩阵并且在门控扩散因果卷积层加入跳步连接和残差连接.最后在PeMSD7(M)和METR-LA两个数据集上进行实验,实验的结果表明GSTGCN模型的预测性能在中长期和长期预测上优于先进的基线.
关键词：邻接矩阵门控机制门控扩散因果时间卷积跳步连接残差连接
分类号：O141.4(数理逻辑、数学基础)
论文发表日期：2025-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1242-1250 )
英文信息