-
题名基于时空图注意力神经网络的交通道路拥塞和异常预测
被引量：5
- 1
-
-
作者
赵萍
李欣
朱少武
-
机构
中国人民公安大学信息网络安全学院
-
出处
《科学技术与工程》
北大核心
2022年第3期1271-1278,共8页
-
基金
公安部科技项目计划(NO.2019GABJC01)。
-
文摘
为全面捕获交通路网的时空特性,分析路况的复杂多变性,实现道路拥堵和突发情况的高效准确预测,研究提出一种时空图注意力神经网络模型,通过将道路网络建模成一系列随时间变化的图,利用图注意力机制(graph attention network,GAT)关注路网图关键节点的空间特性并捕获动态的全图空间特征,再利用门控循环单元(gated recurrent neural network,GRU)充分捕获相邻路网图的时间相关性并降低模型冗余,提升了对道路拥堵和异常情况的预测准确率。采用PEMSD数据集进行实验。结果表明,所提方法与对比模型相比准确率与召回率均优于现有方法,有效提升了交通异常预测精度。
-
关键词
智能交通
时空特征
门控循环单元
图注意力机制
路径异常预测
-
Keywords
intelligent transportation
spatial and temporal characteristics
gated recurrent neural network
graph attention network
path abnormality prediction
-
分类号
U491.14
[交通运输工程—交通运输规划与管理]
-
