基于GINODE模型的交通流量结构辨识与时序建模研究

来源：计算机测量与控制杂志2025年第10期北京时间：

作者：范宏程,刘锦

摘要：时空预测在众多应用领域中具有重要研究价值,而交通流量预测作为其中的典型代表,因其复杂的远程时空相关性而成为一项极具挑战性的任务。现有方法通常通过浅层图卷积网络和时间特征提取模块分别建模空间和时间依赖性,但其对同构图的区分能力不足。同时现有方法忽视了空间连接与时序依赖特征的结合,而时空特征对全面建模交通网络至关重要。为克服上述局限性,提出了一种基于图同构常微分方程网络(GINODE)以捕捉复杂的时空动态关系,引入图同构网络(GIN)从而实现深层网络的构建及时空特征的同步建模。结果表明,所提出的 GINODE 模型在性能上优于当前最先进的基线方法。

关键词：图同构网络;残差连接;常微分方程;图神经网络;时间序列预测;时空信号处理

基金资助：2024年陕西国防工业职业技术学院科研计划项目(课题编号:Gfy-24-31)