方向感知图神经网络

交通状态估计更准

将交通流理论融入图神经网络,通过构建波感知各向异性时序图,更准确地捕捉路网中的动态方向相关性,估计结果物理一致。

黄正锋 · Yang, Hang · Wang, Yibing · 董红召 · Papageorgiou, Markos · 郑彭军

Sensors 2026

技术优势

融入波动理论

构建波感知各向异性时序图,显式捕捉交通波传播造成的时空延迟相关性。

注意力增强动态方向

每层图卷积嵌入挤压-激励注意力机制,自适应捕捉动态方向相关性。

物理一致性约束

将基本图方程引入损失函数,引导模型输出符合交通流理论的估计。

应用场景