面向大规模交通网络的时空关联挖掘方法 |
| |
引用本文: | 范晓亮,彭朝鹏,郑传潘,王程.面向大规模交通网络的时空关联挖掘方法[J].清华大学学报(自然科学版),2023(9):1317-1325. |
| |
作者姓名: | 范晓亮 彭朝鹏 郑传潘 王程 |
| |
作者单位: | 厦门大学信息学院计算机科学与技术系 |
| |
基金项目: | 国家自然科学基金面上项目(62272403,61872306); |
| |
摘 要: | 时空关联挖掘是智能交通领域的关键技术之一。大规模交通网络中的交通流量数据具有高度非线性和复杂特征,故精准地预测交通流量面临巨大挑战。现有方法大多设计2个独立模块来分别捕获交通流量的时间和空间相关性,故无法精准地对流量数据中的复杂时空相关性建模。该文提出一种时空组合图卷积神经网络(STCGCN),以更好地预测交通流量。STCGCN通过构建自适应时空组合图,并提出时空组合图卷积,来有效揭示交通流量数据动态和复杂的时空相关性。在美国加利福尼亚州高速公路流量公开数据集上进行了实验,结果表明STCGCN的预测效果优于11个现有方法。
|
关 键 词: | 交通流量预测 时空数据挖掘 图卷积网络 大数据融合分析 |
|
|