基于动态时间调整的时空图卷积路网交通流量预测

来源：交通运输系统工程与信息杂志2022年第3期北京时间：

作者：刘宜成, 李志鹏, 吕淳朴, 张涛, 刘彦

单位：1. 四川大学，电气工程学院，成都 610065；2. 清华大学，自动化系，北京 100084

摘要：为深入挖掘交通流数据的复杂时空特征并建立其依赖关系，提高交通流参数的预测精度，本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络(TSARGCN)。TSARGCN对输入数据进行切片，实现多分支建模，挖掘数据的时间周期性特征；引入残差网络保证网络中信息传递的完整性；利用DTW (Dynamic Time Warping)算法计算路网中节点之间交通流量序列在时间维度的相似程度大小，提出时间图的概念，结合路网结构中各节点的邻近关系，提出时空关系图的概念；基于时空关系图，在每个分支结合注意力机制分别进行图卷积和时间维度卷积，捕获交通流的时空特征及其依赖关系，实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验，结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24，均方根误差 (RMSE) 达到 27.09，比 ARIMA(AutoregressiveIntegrated Moving Average model)，Conv-LSTM(Convolution Long short-term memory)及 ASTGCN(Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。

关键词：智能交通,交通流量预测,图卷积网络,路网交通流量,DTW算法,注意力机制

基金资助：四川大学-泸州战略合作项目