一种时空周期性注意力网络的交通流量预测模型

摘要

当车流较密集时,易出现车辆拥堵继而引发交通事故,精确的交通流量预测对交通安全很重要.针对道路交通流量拥有复杂的空间相关性和时间依赖性的特性,本文提出了一种时空周期性注意力网络的交通流量预测模型(STPAN).首先,使用GCN构造空间相关性.其次,综合短期和长期的周期性信息对车流量进行预测,并采用LSTM获得时序依赖关系.交通流量数据具有周期性,然而此数据序列的周期性非真正意义上的按日或按周的.针对此问题,本文提出了一个周期性注意力机制解决周期性时间变化.此外,还将外部信息增添到此模型中以提升模型的预测精度.最后本文在PeMS数据集上验证所提模型的有效性.