基于自注意力机制的时空网络交通流预测研究

交通流预测对公共安全和城市交通管理具有重要意义。在交通流预测中,关键问题是使预测结果自适应于影响交通变化的各种因素,为解决这个问题提出了自注意力人流预测模型(SACF)。为时变数据赋予权重,并通过注意力机制学习时空依赖关系和动态表示,进一步推导人群流量的演化。同时建立一个详细的框架来预测城市的人口流,该框架自然结合序列和周期性数据及其他外部影响因素。模型内部由多个自注意力人流预测模块组成,以预测时空权重。