TY -的A2 -元,强强盟——刘Shaohua AU -戴,广州市盟——太阳、京开盟——毛Tianlu盟——赵Junsuo盟——张,亨PY - 2021 DA - 2021/12/23 TI -多组分时空图注意卷积网络流量预测空间稀疏数据SP—9134942六世- 2021 AB -预测交通网络流量数据对交通管理至关重要。这是一个具有挑战性的任务由于复杂的时空相关性。最新的研究主要集中在捕获时间和空间与空间密集的交通数据依赖关系。然而,当流量数据成为空间稀疏,现有方法无法获取足够的空间相关信息,因此不能充分学习时间周期性。为了解决这些问题,我们提出一个新颖的深度学习框架,多组分的时空图卷积网络(MSTGACN),注意交通预测,我们成功地应用于交通流预测与空间稀疏数据和速度。MSTGACN主要包括三个独立的组件模型三种类型的周期信息。每个组件在MSTGACN结合扩张因果卷积,卷积图像层,层weight-shared图的关注。实验结果在三个实际交通数据集、METR-LA PeMS-BAY, PeMSD7-sparse,证明我们的方法的性能优越的空间稀疏数据。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/9134942 - 10.1155 / 2021/9134942摩根富林明计算智力和神经科学PB - Hindawi KW - ER