趋势图注意力网络

交通预测新基准

针对交通数据时空异质性建模的图注意力网络，通过趋势构建与直接未来-历史交互实现精准多步预测。

Wang, Chu · 田冉 · Hu, Jia · 马忠彧

Information Sciences 2023

技术优势

细粒度建模异质性

通过趋势空间注意力模块，在具有相似属性的节点之间传递信息，解决空间异质性问题。

长时依赖建模

趋势构建模块建立局部和全局趋势块，并在时间步与趋势块之间聚合，使每个时间步共享局部和全局视野。

一步生成多步预测

未来与历史数据直接交互，一次性生成多步预测结果。

优于现有最优基线

在五个数据集、两类交通预测任务上超越现有最优基线。

应用场景

• 智慧交通系统：为交通管理部门提供更准确的路况预测，优化信号灯控制与拥堵疏导。
• 城市计算平台：集成到城市计算平台，提升交通数据分析和出行规划服务的精度。
• 自动驾驶决策支持：为自动驾驶车辆提供更可靠的未来交通流预测，辅助路径规划决策。