关键节点感知与时空自适应的Transformer交通流预测方法

来源：计算机工程与应用杂志2026年第8期北京时间：

作者：李卫军, 熊章友, 杨国梁, 朱晓娟, 马馨瑜

单位：1.北方民族大学 计算机科学与工程学院，银川 750021；2.北方民族大学 图形图像智能处理国家民委重点实验室，银川 750021；

摘要：交通流数据本身具有明显的时空特性，不仅与时间和位置密切相关，还与道路网络的空间结构息息相关。目前的研究方法通常依赖于复杂的神经网络来捕捉交通流的时空相关性，但往往未能深入挖掘交通流数据的内在属性。此外，现有方法对于嵌入层的数据处理和交通流的时空特征也缺乏充分的探讨。为了解决这些问题，提出了一种名为KASTFormer的模型。该模型通过关键节点感知空间自注意力机制，有效地捕捉交通流枢纽道路的特征，并结合时间、语义和地理自注意力机制，进一步加强了短期和长期时空依赖的建模。同时，设计了一种时空自适应嵌入方法，通过统一建模时空关系捕捉交通流数据及其时空特征。通过在三个数据集上的实验验证了模型的有效性，并通过消融实验和模型结构性能分析进一步证明了其实际效果。

关键词：关键节点感知,时空自适应,注意力机制,交通预测,时空特征

基金资助：宁夏高等学校科学研究项目（NYG2024086）；北方民族大学研究生创新项目（YCX24363）。