基于时空图注意力神经网络的交通道路拥塞和异常预测

• 作者: 赵萍 李欣 朱少武
• 来源期刊: 科学技术与工程
• 学科: 交通运输
• 关键词: 智能交通 时空特征 门控循环单元 图注意力机制 路径异常预测
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 论文|Papers
• 页码范围: 1271-1278
• 页数: 8页
• 分类号: U491.14
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2022.03.054

摘要

为全面捕获交通路网的时空特性,分析路况的复杂多变性,实现道路拥堵和突发情况的高效准确预测,研究提出一种时空图注意力神经网络模型,通过将道路网络建模成一系列随时间变化的图,利用图注意力机制(graph attention network,GAT)关注路网图关键节点的空间特性并捕获动态的全图空间特征,再利用门控循环单元(gated recurrent neural network,GRU)充分捕获相邻路网图的时间相关性并降低模型冗余,提升了对道路拥堵和异常情况的预测准确率.采用PEMSD数据集进行实验.结果表明,所提方法与对比模型相比准确率与召回率均优于现有方法,有效提升了交通异常预测精度.