计算机工程

作者：葛宇然, 付强

单位：同济大学 道路与交通工程教育部重点实验室, 上海 201804

关键词：智能交通系统,时空域联合,交通流预测,图信号处理,交通流理论

基金：国家自然科学基金重点项目（71734004）；上海市科技攻关项目（19DZ1208900）。

时空联合分析可反映研究对象在时空维的变化规律，对揭示区域过程的时空交互关系和机制具有重要意义。聚焦时空联合特征的学习与交通流物理特性的建模问题，提出一种层次化的动态网络模型JST-DHNet，以融合不同尺度下的时空联合学习与内嵌领域知识学习。利用基于图乘积运算替代以往矩阵拼接方式构建多种时空图结构。结合时空小波变换与时空傅里叶变换，设计2种不同层次的时空同步学习模块，分别学习交通流的全域与局域时空特征。针对交通流的宏观流体动力学性质，通过基于图的广义偏微分方程设计一种新的时空扩散卷积，以学习真实场景下的交通波传播机制。在此基础上，采用注意力机制将不同尺度的时空联合特征进行融合。在4种不同路网规模的真实交通流数据集上进行测试，结果表明，JST-DHNet的预测性能优于采用时空分离式学习模块的预测模型，相比STSGCN时空联合学习模型，JST-DHNet预测精度的平均绝对百分比误差、平均绝对误差和均方根误差分别降低4.46%、6.65%、10.11%，且训练时间缩短近80%。

来源：2023年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第1期