基于时空图注意力神经网络的智能交通流预测分析.pdfVIP

第23卷第5期中国工程机械学报Vol.23No.5

2025年10月CHINESEJOURNALOFCONSTRUCTIONMACHINERYOct.2025

基于时空图注意力神经网络的智能交通流预测分析

123

侯同娣，李超，陈杰

（1.盐城工业职业技术学院经贸管理学院，江苏盐城224005；2.南京邮电大学计算机学院，江苏南京210023；

3.盐城工业职业技术学院信息安全学院，江苏盐城224005）

摘要:针对当前路网交通流量预测方法中存在的和长距离空间依赖性能力不足等问题，设计了一种基于时空图

注意力神经网络的智能交通流预测方法（STMGAN）。通过时间注意力模块采集各节点动态时间参数，建立时空

融合模块完成时空特征的数据融合，通过门控融合的方法自主融合空间与时间特征。研究结果表明：本次设计

的STMGAN各项性能指标均明显优于其他基准方法，该方法采用屏蔽机制以获得全局相似度，通过提升关注度

获取时间和空间的动态关联，获得更高精度。STMGAN在长期预测过程中保持准确性，通过连续变化实现注意

力在邻近节点与远距离功能相似区集中分布，能够识别全局功能相似区，捕捉长距离依赖性，有效提升预测准确

性。该研究有助于提高智能交通效率，响应目前高速科技发展的需求。

关键词:智能交通；图注意力神经网络；图掩码机制；特征融合

中图分类号:U270文献标志码:A文章编号:1672-5581（2025）05-0851-05

Intelligenttrafficflowpredictionanalysisbasedon

spatiotemporalgraphattentionneuralnetwork

123

HOUTongdi，LIChao，CHENJie

（1.SchoolofEconomicandTradeManagement，YanchengPolytechnicCollege，Yancheng224005，Jiangsu，China；

2.SchoolofComputerScience，NanjingUniversityofPostsandTelecommunications，Nanjing210023，Jiangsu，China；

3.CollegeofInformationSecurity，YanchengPolytechnic，Yancheng224005，Jiangsu，China）

Abstract：Aimingattheexistingproblemsofroadnetworktrafficflowpredictionmethodsandthe

lackoflongdistancespatialdependenceability，anintelligenttrafficflowpredictionmethod

（STMGAN）basedonspatiotemporalgraphattentionneuralnetworkisdesigned.Bycollectingthe

dynamictimep