客流延误预测更准
通过时空注意力和多图融合，更有效地捕捉交通数据中的动态时空相关性，从而提升短期客流拥堵延误预测精度。
王成 · Yipeng, Fang · Xinyi, Li · Mingxian, Su
Neural Computing and Applications 2024
相比现有模型，该模型同时考虑空间、时间和外部因素，并通过多图卷积融合多个关系图。
时空注意力机制调整输入数据，捕捉交通数据中的动态时空相关性。
编码空间和语义相关性为多位置图，并通过多图卷积网络融合。
双向循环层考虑拥堵延误时间序列的前向和后向状态，充分利用时间上下文。