摘要
交通流量预测作为现代智能速度管理系统的重要组成部分,是一项具有挑战性的任务.现有的方法主要是采用深度神经网络和图神经网络.然而,这些方法存在以下缺点:①大多数方法都是基于局部空间邻居来捕获空间相关性的.然而现实的交通道路情况复杂多变,捕获道路上下文的信息也至关重要.②现有的应用于交通流量预测的时间卷积网络感受野有限,不能捕捉到长时间的流量关联.基于以上问题,提出了一种组合自适应空间图和自适应语义邻居图的图卷积方案,并引入了多尺度时间卷积模块来扩大感受野.通过METR-LR和PEMS-BAY两个数据集验证的结果显示,该方法提高了模型预测的准确性.
维普
万方数据