基于时空卷积神经网络GL-GCN的交通流异常检测算法

• 作者: 徐红飞 李婧
• 来源期刊: 现代信息科技
• 关键词: 交通流 异常检测 深度神经网络 图卷积网络 时空特征
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机技术|Computer Technology
• 页码范围: 70-75
• 页数: 6页
• 分类号: TP39
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.02.018

摘要

交通流异常检测通常要考虑时间信息、空间信息等信息,这让交通流异常检测变得具有挑战性.文章重点研究由交通事故、或短暂事件引起的非经常性交通异常检查.新提出的算法(GL-GCN)利用交通的时空数据,空间信息采用图卷积网络捕获,时间依赖性采用深度神经网络DeepGLO的方法建模.同时捕捉时空特性并建立预测交通流模型,利用异常分数来判断交通流异常.利用真实的交通流数据,证实了提出的模型具有有效性和优越性.