多尺度时空感知变换器

交通预测精度领跑

通过并行交叉多头注意力同步多尺度特征,并利用Wasserstein距离构建感知时空异质性的邻接矩阵,优于现有基线。

田冉 · Wang, Chu · Hu, Jia · 马忠彧

Information Sciences 2023

技术优势

多尺度同步建模

通过并行交叉多头注意力为每个时间步赋予多个尺度的感受野,同时削弱异常点的影响。

捕捉空间相似性

将每个节点的交通数据映射为概率分布,用Wasserstein距离度量节点间相似性,构建感知时空异质性的邻接矩阵。

精度领先

在四个交通流数据集上的实验结果显示,MSSTAT优于最先进的基线方法。

应用场景