基于时空感知Transformer的交通流预测模型

来源：电子测量技术杂志2024年第10期北京时间：

作者：鲁思源，沈琴琴，包银鑫，高锐锋，施佺

单位：1.南通大学交通与土木工程学院 南通 226019; 2.南通大学信息科学技术学院 南通 226019

摘要：交通流预测是智能交通系统的一个热点研究领域，其根本挑战是对交通数据中复杂的时空相关性进行有效建模。针对大部分现有时空Transformer模型在构建时空相关性矩阵时忽略了时间趋势性和空间异质性的重要影响的问题，提出一种基于时空感知Transformer的交通流预测模型。首先，采用改进的时空感知自注意力机制挖掘交通流数据中潜在的时间趋势性和空间异质性特征，建立精确的时空相关性矩阵以获取全局时空特征；然后，使用多尺度扩散卷积模拟交通流在路网中的多阶扩散过程，捕获节点多邻域范围的局部空间特征；最后，采用多元特征融合模块对捕获的时空特征进行自适应融合并输出预测结果。在PeMS04和PeMS08两个真实交通数据集上进行实验，结果表明，与最近提出的RPConvformer、ASTGNN、PDFormer等基于Transformer的基线模型相比，新模型的平均绝对误差分别降低了8.0%、6.5%和2.0%。

关键词：交通流预测;时空相关性;Transformer;自注意力机制;扩散卷积

基金资助：国家自然科学基金（61771265）、江苏高校“青蓝工程”项目、南通市科技计划项目（JC2021198）资助