序列聚合与压缩空间注意力在多区域交通流量预测中的应用.docx

下载文档

0
0
约9.99千字
约 23页
2025-11-20 发布于重庆
举报
版权申诉
保障服务

序列聚合与压缩空间注意力在多区域交通流量预测中的应用.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

泓域学术·高效的论文辅导、期刊发表服务机构

序列聚合与压缩空间注意力在多区域交通流量预测中的应用

前言

压缩空间注意力机制是一种通过降低特征维度和稀疏化注意力权重计算的方式，实现对空间依赖信息高效建模的方法。在交通流量预测场景中，路网节点之间的交通状态存在强烈的空间相关性，而传统全连接注意力机制在大规模路网中计算复杂度高、存储资源消耗大。压缩空间注意力机制通过对输入特征进行压缩编码，仅保留对预测任务有关键作用的空间信息，从而在保证模型表达能力的显著降低计算负担。

序列聚合重分配技术首先通过聚合操作，按照特定的规则将多个时间点的信息进行融合，从而简化数据维度，减少数据量。这一过程中，通过计