排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
智能交通系统(ITS)作为协调城市交通的核心正快速发展,而交通流量预测是智能交通系统的重要组成部分,被视为成功部署ITS的关键因素.由于交通网络的复杂空间拓扑结构,使交通流量表现出高阶非线性及动态时空复杂性.为更好地对交通网格数据进行预测,文章提出了一种新的时空网络模型DCSTGCN,具备以下特点:1)将切比雪夫多项式(Ch)应用于图卷积神经网络,结合自扩散卷积将传统的固定式交通拓扑结构进行转换,使其更具有随机性、动态性;2)加入空间Transformer模型,在考虑数据异质性问题的同时,利用多头自注意力机制考虑节点、本地邻居节点以及非本地节点的多属性问题,从高维的子空间进行考虑节点之间的隐藏特征信息;3)将时间Transformer与1×1的二维卷积神经网络(Conv2d)相结合,对交通流时间序列信息进行多重权重分配获取重要的时间特征,利用Conv2d网络进行预测输出.通过试验验证,表明该方法模型优于多种对比基线模型. 相似文献
1