基于速度门控时空图卷积网络的交通流预测

摘要

现有的交通流预测模型大多数仅以交通流数据的角度进行预测,但交通速度和交通流数据之间也存在着一定的联系。因此,提出一种基于速度门控时空图卷积网络(SGSTGCN)的交通流预测模型,同时以交通流和交通速度的角度来解决交通流预测问题。SGSTGCN通过门控扩张卷积和图卷积分别对交通数据的时间和空间相关性进行建模,接着利用门控机制将交通速度特征融合到交通流特征中,使模型更精确地感知交通路网的动态变化,以实现准确的交通流预测。在真实高速公路交通流数据集上的实验表明,SGSTGCN模型比其他时空图网络预测模型DCRNN,STGCN具有更高的预测精度。