计算机工程

作者：张红, 朱思雨, 张玺君, 魏轿云

单位：兰州理工大学计算机与通信学院, 甘肃 兰州 730050

关键词：交通流预测,元图学习,图神经网络,注意力机制,自适应图卷积

基金：甘肃省重点人才项目(2024RCXM57); 甘肃省重大专项计划(25ZYJA037); 国家自然科学基金(62566036); 国家自然科学基金(62363022)

由于交通流的非平稳性, 在提取交通流动态时空特征方面存在一定的挑战。针对非平稳特性导致的不同交通模式和不同邻域范围内交通流的动态变化问题, 提出一种基于自适应图卷积的元图学习的交通流预测模型(Meta-AGC)。设计一种能自适应捕获不同交通模式下交通流各节点间的空间相关性和不同邻域范围内交通流动态变化的方法。该方法将AGC捕获的时空特征与元图学习中的元节点库进行模式匹配, 使得基于元节点库生成的时空元图能够自适应地表示不同交通模式下各节点间的空间相关性。同时, AGC由一组具有不同可学习尺度的图小波和上下文注意力机制组成, 以随时根据输入的交通流信息动态调整卷积感受野, 解决传统卷积接受域范围固定的局限性, 有效捕捉由于随机事件引发的不同邻域范围内交通流变化问题。实验结果表明, 在6步和12步预测步长中, 与较好的基线模型相比, Meta-AGC模型预测的准确性分别提高了5.2%和4.2%, 进一步证明了提出的Meta-AGC模型能更有效地建模交通流的非平稳性, 提高预测精度。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期