MA-GCN交通预测模型

预测精度更优

通过记忆增广图卷积网络同时捕捉交通数据的长期时间依赖和复杂空间依赖，提升交通预测精度。

彭敦陆 · Yongsheng, Zhang

Engineering Applications of Artificial Intelligence 2023

技术优势

捕捉长期时间依赖

利用差分神经计算机学习交通数据的长期动态变化，克服传统模型的时间建模局限。

建模复杂空间依赖

图卷积网络学习路网结构，捕捉节点间的空间相关性。

预测精度更高

在PeMSD4和PeMSD8数据集上，多个评估指标优于对比模型。

应用场景

• 智能交通系统：为ITS提供更准确的实时交通状态预测。
• 交通流预测：直接用于交通流预测任务，提升预测精度。
• 城市计算：作为城市计算中的交通预测模块，支撑城市级应用。