来源：期刊VIP网 时间：
作者：王小军;王兴;林羽;金彪;熊金波;
单位：福建师范大学计算机与网络空间安全学院;福建省大数据分析与应用工程研究中心;
摘要：现有的交通流量预测模型通常基于时空图神经网络(GNN)提取交通流量数据的时空特征。然而，GNN通常基于路网连通性、路网中传感器之间的距离构建图结构，忽略了路段的拥塞信息。为了充分捕捉交通流量数据的动态时空依赖关系，提出一种基于时间感知注意力与拥塞驱动图卷积的交通流量预测模型TCGCN。在空间维度上，TCGCN利用两种衡量交通拥塞程度的度量指标构建图结构，挖掘路段之间的动态空间依赖关系，在时间维度上，TCGCN设计了一个时间门控因果卷积多头自注意力机制增强模型的时间感知能力和局部趋势感知能力。最后，在两个真实交通数据集上的实验结果表明，与最优基线模型相比，TCGCN在MAE、MAPE和RMSE这3评价指标上分别平均降低了5.22%、5.05%和2.90%。
关键词：交通流量预测;;交通拥塞;;注意力机制;;时空图神经网络
基金资助：国家自然科学基金项目(62272102);; 福建省自然科学基金项目(2024J01070)
