计算机应用

作者：王泉, 陆啟想, 施珮

单位：1.南京信息工程大学 电子与信息工程学院，南京 210044；2.无锡学院 物联网工程学院，江苏 无锡 214105

关键词：交通流量预测,时空模型,自适应时空嵌入,图卷积网络,注意力网络

基金：国家自然科学基金资助项目(62072216);江苏省高校自然科学研究面上项目(21KJB520020);无锡市“太湖之光”科技攻关计划基础研究项目(K20231021)

当前基于时空特征提取的交通流量预测方法中存在挖掘全局空间相关性与长期的动态时间依赖关系能力不足的问题，其中空间相关性的挖掘很大程度上取决于图结构的质量，为此提出一种多图扩散注意力网络（MGDAN），主要包括多图扩散注意力模块（MGDAM）和时间注意力模块。首先，使用自适应时空嵌入生成器构建动态的时空信息；其次，采用最大互信息系数（MIC）矩阵与自适应矩阵挖掘细粒度的空间信息，并利用全局空间注意力机制挖掘动态的空间相关性；最后，使用时间注意力模块提取非线性的时间相关性，并通过3个模块的结合实现时空相关性的有效提取。在PEMS08数据集上的实验结果表明，MGDAN在1 h内的平均绝对误差（MAE）相较于时空自编码器（ST_AE）和时空身份信息（STID）模型分别降低了19.34%和5.74%，且整体预测性能均优于9个基线模型，能够精准地进行中长期交通流量预测，为城市交通疏导提供理论依据。

来源：2025年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第5期