计算机工程

作者：翟志鹏, 曹阳, 沈琴琴, 施佺

单位：南通大学交通与土木工程学院，江苏 南通 226019

关键词：智能交通系统,交通流预测,时空特征,图卷积网络,多头自注意力机制

基金：国家自然科学基金面上项目(61771265); 江苏高校“青蓝工程”项目; 江苏高校“青蓝工程”项目；南通市科技计划项目(JC2021198)

精准的交通流预测是实现智能交通系统的关键前提，对加强系统的仿真和控制、提高管理者的决策等方面具有重要意义。针对大多数现有的图卷积网络(GCN)模型忽略交通流数据的动态时空变化、对节点信息使用不足导致时空相关性提取不充分的问题，提出一种基于多时空图融合与动态注意力的交通流预测模型。首先，以不同的卷积单元提取交通流数据中多时域状态下的时间特征；然后，构建多时空图体现节点在空间分布中的动态变化趋势和异质性，并结合GCN提取空间特征；最后，利用多头自注意力机制分别对时空特征进行分析与融合，输出预测结果。在两个实际的公共数据集PeMS04和PeMS08上进行实验分析，并与基于注意力的时空图卷积网络(ASTGCN)、多视角的时空Transformer网络(MVSTT)和动态时空感知图神经网络(DSTAGNN)等基于时空图卷积网络的基准模型对比，结果表明所提模型在平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)指标上分别平均降低了7.10%、7.22%和6.47%，具有较强的适应性和鲁棒性。

来源：2025年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第9期