基于图神经网络的短时交通流预测技术研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：由于当前交通流预测中各参数之间的关联性不能在模型中加以呈现，因此提出了多因素融合的图注意力交通流预测模型（MFI-GAT），将交通流量和交通平均速度两个参数通过残差网络进行融合，并将交通流特征矩阵与天气属性矩阵结合起来，使用图注意力网络（GATs）来捕捉空间特征，并通过添加了注意力机制的门控循环单元（AGRUs）来捕捉时间特征，通过采用真实数据集进行试验，证明该模型与现有部分模型相比准确率有所提升。（剩余4618字）

试读结束

目录
monitor