来源：期刊VIP网 时间：
作者：张艺婷;蒲咏秋;刘钊勇;
单位：四川化工职业技术学院基础教学部;四川水利职业技术学院学工部;四川化工职业技术学院数字经济学院;四川师范大学可视化计算与虚拟现实四川省重点实验室;
摘要：交通流量预测是多元时序预测中的重要任务，准确的交通流量预测可以作为交通管理部门决策的辅助信息。由于交通流具有复杂的时空特征与非线性特征，进行实时高效的交通流量预测仍具有挑战性。现有方法使用参数矩阵作为邻接图来学习空间特征，缺乏直观可解释性。提出了一种基于注意力机制的动态时空感知网络(Dynamic Spatio-Temporal Perception Network, DSTPN),通过构造动态感知图来学习交通流量中的复杂模式。DSTPN利用布雷柯蒂斯距离构造出时空感知图，利用注意力机制与多尺度卷积对节点之间的动态空间相关性与时间相关性建模。在真实数据集中的实验结果表明，DSTPN在均方根误差(Root Mean Square Error, RMSE)、平均绝对误差(Mean Absolute Error, MAE)以及平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)上均优于主流方法，证明了所提DSTPN在交通流量预测任务上的有效性。
关键词：时空数据库;;注意力机制;;机器学习;;交通预测;;人工智能
基金资助：国家自然科学基金(62272066)~~
