Abstract：
针对传统图结构难以建模节点间的隐含复杂关联关系的问题,利用超图对交通数据进行高阶表示,提出基于谱域超图卷积神经网络的交通流预测方法。首先,通过动态超边刻画数据特征层面的关系,利用谱域超图卷积,包括基于傅里叶和图小波的超图卷积及门控时序卷积,在多尺度上提取交通流的时空特征,实现端到端的节点级交通预测。然后,采用北京市以及美国加州真实历史数据集进行预测实验。消融实验通过孤立和重构网络模型验证了所提方法的有效性。全时段和早高峰交通流预测的实验结果表明,该方法预测准确率高于目前主流交通预测模型。
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
Year： 2024
Issue： 02
Page： 152-164
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
