清华大学学报(自然科学版)

作者：范晓亮, 彭朝鹏, 郑传潘, 王程

单位：厦门大学 信息学院, 计算机科学与技术系, 厦门 361005

关键词：交通流量预测,时空数据挖掘,图卷积网络,大数据融合分析

基金：国家自然科学基金面上项目(62272403, 61872306)\r\n

时空关联挖掘是智能交通领域的关键技术之一。 大规模交通网络中的交通流量数据具有高度非线性和复杂特征, 故精准地预测交通流量面临巨大挑战。 现有方法大多设计2个独立模块来分别捕获交通流量的时间和空间相关性, 故无法精准地对流量数据中的复杂时空相关性建模。 该文提出一种时空组合图卷积神经网络(STCGCN), 以更好地预测交通流量。 STCGCN通过构建自适应时空组合图, 并提出时空组合图卷积, 来有效揭示交通流量数据动态和复杂的时空相关性。 在美国加利福尼亚州高速公路流量公开数据集上进行了实验, 结果表明STCGCN的预测效果优于11个现有方法。

来源：2023年第9期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2023年第9期