基于圖神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測技術(shù)研究

打開文本圖片集

摘要：由于當(dāng)前交通流預(yù)測中各參數(shù)之間的關(guān)聯(lián)性不能在模型中加以呈現(xiàn)，因此提出了多因素融合的圖注意力交通流預(yù)測模型（MFI-GAT），將交通流量和交通平均速度兩個參數(shù)通過殘差網(wǎng)絡(luò)進行融合，并將交通流特征矩陣與天氣屬性矩陣結(jié)合起來，使用圖注意力網(wǎng)絡(luò)（GATs）來捕捉空間特征，并通過添加了注意力機制的門控循環(huán)單元（AGRUs）來捕捉時間特征，通過采用真實數(shù)據(jù)集進行試驗，證明該模型與現(xiàn)有部分模型相比準(zhǔn)確率有所提升。（剩余4618字）