基于时空图自编解码神经网络的交通流量预测

摘要

在现代城市智能化进程中,基于交通物联网模型收集的时空数据的高精度交通流预测,不仅可以节省人们的出行时间和成本,还可以为交通管理者提供数据支持的管理策略,提高交通效率和安全。与其他时间序列预测问题不同,交通流量预测有两个主要特点。非线性的时间相关性影响着不同时期的交通流量,如早晚高峰期。不同交通状况下路网中节点的动态空间相关性和依赖性随时间变化,如上游交通拥堵的传播和消散。因此,有效地模拟时变交通模式的随机性,把握动态的时空依赖性,对交通流预测问题至关重要。