用于全市蜂窝流量预测的时空全连接卷积网络

• 作者: 黄冬宜 杨兵 吴子豪 匡佳一 颜泽明
• 来源期刊: 计算机工程与应用
• 关键词: 时空数据 深度学习 流量预测 卷积网络
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 168-175
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2002-0150

摘要

准确地预测城市蜂窝交通流量对未来大数据驱动下的智能蜂窝网络的管理和公共安全非常重要,同时也非常具有挑战.提出了一种基于深度学习的方法——ST-FCCNet来预测城市范围内的蜂窝流量.设计了一种ST-FCCNet单元结构,来捕捉城市中任意区域间的空间依赖.通过部署ST-FCCNet网络框架来对蜂窝流量的时间邻近性和周期性进行建模,以此来捕获时间依赖.结合外部因素(时间、天气、假期等)得到最终的预测结果.实验部分,通过实际的蜂窝数据集验证ST-FCCNet的有效性和现有的4种方法进行了对比.结果表明,ST-FCCNet的性能优于其他所有方法,与最优模型相比在预测精度上提高了7.50％到7.76％.