基于Transformer的短时交通流时空预测
来源：计算机应用与软件杂志2024年第3期北京时间：
作者：杨国亮, 习浩, 龚家仁, 温钧林
摘要：现有的交通流预测模型未能全面获取路网的空间依赖，忽略了周期性对交通流量的影响，且缺乏对全局时间依赖的建模能力。针对以上问题，提出一种结合Transformer的动态扩散卷积门控循环单元预测模型。该模型利用动态扩散卷积网络和门控循环单元对交通流的近期、日周期和周周期三个时间进行时空建模；使用Transformer层获取全局时间依赖关系；将各组件输出进行加权融合，生成预测结果。实验结果表明，该方法相较基准模型能有效降低预测误差，准确预测交通演化态势。
关键词：短时交通流预测, 扩散卷积, 门控循环单元, Transformer
