基于下采样交互时空注意力网络的交通流量预测

准确预测交通流量对于缓解城市交通和线路规划具有至关重要意义。为了解决现有交通流量预测模型在处理时间序列相关性及长期依赖捕获方面的不足,提出了一种基于下采样交互时空注意力网络(Downsampled Interactive Spatio-Temporal Attention Network,DISTAN)的交通流量预测模型。该模型首先结合静态道路空间拓扑结构和时间信息,通过节点嵌入和独热编码构建时空嵌入。然后,在编码层采用下采样交互式学习结构以及注意力机制,以综合局部和全局信息。在解码层,增加过去和当前预测偏差的正则化损失函数,以防止过拟合。最后,通过在四个真实世界数据集上的性能测试,证明了提出的DISTAN的有效性和优越性。