基于多图时空注意力的轨道交通客流预测模型

针对轨道交通客流由于复杂的时空相关性和显著的波动性而难以预测的问题,提出一种基于注意力机制和多图视角图神经网络的轨道交通客流量预测方法MGCNSTA。基于站点连接的邻接图和乘客出行的出发地-目的地(origin-destination, OD)图,采用长期和短期两种序列模式,通过图卷积神经网络和卷积神经网络分别捕获空间和时间序列特征,并运用注意力机制加强卷积模块的时空相关性特征。对杭州地铁短期客流量进行了预测,实验结果验证了模型的有效性。

无线传感器网络中新的最小暴露路径问题及其求解算法

无线传感器网络中原始的最小暴露路径问题没有考虑对路径的实际限制条件,提出一种要求经过某一特别保护区域部分边界的最小暴露路径问题。由于无法建立相应的图模型,原有求解最小暴露路径问题的经典方法(网格法和维诺图法)对提出的新问题不再起效。先将该问题转化成带约束条件的优化问题,然后针对转化后的数学模型高度非线性、高维度而不好用确定性优化方法的特点,结合问题实际背景设计出混合人工蜂群求解算法。通过在多种情况下的仿真实验发现,设计的带约束条件优化模型和混合人工蜂群求解算法能有效解决提出的最小暴露路径问题。