融合空间细粒度权重映射的城市交通流量推断
来源：计算机工程与应用杂志2026年第14期北京时间：
作者：艾强, 齐光尧, 王灵超, 董丽欣
单位：1.青海师范大学 计算机学院，西宁 810008；2.藏语智能全国重点实验室，西宁 810008；3.辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105；4.辽宁理工学院 信息工程学院，辽宁 锦州 121010；
摘要：针对细粒度交通流推断中外部因素理解不足及空间结构建模复杂的问题，提出一种融合空间细粒度权重映射的交通流量推断模型（spatial fine-grained weight mapping network，SFWM-Net）。利用交叉注意力机制多维交互外部因素与粗粒度流量矩阵，以增强特征表达能力；采用残差网络深度刻画特征图的语义信息，并通过像素重排上采样恢复空间分辨率；提出空间细粒度权重映射模块，学习粗粒度到细粒度特征图的复杂映射关系，计算映射权重，并结合粗粒度流量矩阵生成高精度的细粒度推断结果。在Taxi-BJ数据集上进行4倍细粒度交通流推断实验，与现有先进算法MS-SCL和DyBPN相比，SFWM-Net在四个子集上的平均RMSE分别降低了1.39%和1.15%，平均MAE分别降低了5.12%和3.98%。可视化结果进一步表明，SFWM-Net不仅能有效保持城市路网的拓扑结构一致性，还能更精确地还原细粒度交通流的空间分布特征。
关键词：细粒度交通流推断,特征融合,权重映射,残差网络,交叉注意力机制
基金资助：青海师范大学中青年科研基金（2023QZR002）；青海师范大学2025年大学生创新训练计划项目（qhnucxcy2025022，qhnucxcy2025026）。
