基于谱域超图卷积网络的交通流预测模型.pdfVIP

第50卷第2期北京工业大学学报Vol.50No.2

2024年2月JOURNALOFBEIJINGUNIVERSITYOFTECHNOLOGYFeb.2024

引用格式:尹宝才,王竟成,张勇,等.基于谱域超图卷积网络的交通流预测模型[J].北京工业大学学报,2024,50(2):152鄄164.

YINBC,WANGJC,ZHANGY,etal.Trafficflowpredictionmodelbasedonspectralhypergraphconvolutionalnetwork

[J].JournalofBeijingUniversityofTechnology,2024,50(2):152鄄164.(inChinese)

基于谱域超图卷积网络的交通流预测模型

1,21,21,21,21,2

尹宝才,王竟成,张摇勇,胡永利,孙艳丰

(1.北京工业大学信息学部,北京摇100124;

2.北京工业大学多媒体与智能软件技术北京市重点实验室,北京摇100124)

摘摇要:针对传统图结构难以对节点间的隐含复杂关联关系建模的问题,利用超图对交通流数据进行高阶表示,提

出基于谱域超图卷积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

交通流预测。然后,采用北京市以及美国加利福尼亚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

流交通流预测模型。

关键词:图神经网络;超图理论;多元时序预测;深度学习;大数据分析;智慧交通

中图分类号:TP183文献标志码:A文章编号:0254-0037(2024)02-0152-13

doi:10.11936/bjutxb2023070032

TrafficFlowPredictionModelBasedonSpectral

HypergraphConvolutionalNetwork

1,21,21,21,21,2

YINBaocai,WANGJingcheng,ZHANGYong,HUYongli,SUNYanfeng

(1.FacultyofInformationTechnology,BeijingUniversityofTechnology,Beijing100124,China;

2.BeijingKeyLaboratoryofMultimediaandIntelligentSoftwareTechnology,

BeijingUniversityofTechnology,Beijing100124,China)

Abstract:Thetraditionalgraphstructureignorestheimplicitcomplexrelationshipbetweennodestoa

certainextent.Aimingat