基于图注意力网络的短时交通流量预测

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：贺佳佳, 黄德启, 王东伟, 张阳婷

单位：新疆大学 电气工程学院，乌鲁木齐 830047

摘要：交通流量预测是时间序列分析中的一个重要问题，由于道路网络中存在复杂的动态时空依赖性，实现高精度交通流量预测具有挑战性。为了准确捕捉交通流量的时空动态特性，提出了一种时空注意力模型STBiPGAT。该模型将邻接矩阵和利用节点交通流提取的相关系数矩阵，分别与交通流量特征矩阵送入图注意力网络中，以并行方式提取空间局部动态特征与空间隐藏关系，且进行特征融合。考虑到节点空间特征向量在时间维度的上下文信息和周期性特性，构造双向GRU组件以提取交通流量的前后时间特征。引入自注意力机制解决不同时刻输入特征影响的差异，通过全连接层生成预测结果。在两个真实交通数据集上的实验评估结果表明，STBiPGAT预测误差低于对比模型预测误差，显著提升了预测精度，证明了其有效性。

关键词：交通流量预测,图注意力网络,注意力机制,时空相关性