多尺度融合与动态自适应图的公交客流预测模型

TP181; 公交客流预测是公共交通规划和管理中的重要问题.虽然时空图卷积在地铁客流预测任务中获得了很好的预测效果,但是面对公交更复杂的线路、大规模的节点数据,现有的基于图卷积的空间建模方法将带来巨大的空间内存消耗.同时,公交客流量短时间范围内更可能受到瞬时交通状况的影响.为了解决这些挑战,提出了一种多尺度融合和动态自适应图的公交客流预测模型(MFDAG).该模型融合客流、时刻和周信息以增加数据的特征维度,用动态自适应图的方法来学习不同站点之间的关系.进一步提出了一种多尺度融合传播的方法来表示复杂的空间依赖关系,同时设计了一种多尺度卷积传播的方法来学习不同尺度的时间依赖关系.在两个真实的客流数...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 18; no. 7; pp. 1879 - 1888
Main Authors 郭翔宇, 彭莉兰, 李崇寿, 李天瑞
Format Journal Article
LanguageChinese
Published 可持续城市交通智能化教育部工程研究中心,成都 611756 01.07.2024
西南交通大学 计算机与人工智能学院,成都 611756
Subjects
公交客流预测
图采样
multi-scale fusion
bus passenger flow prediction
多尺度融合
动态自适应图
graph sampling
dynamic adaptive graph
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2305107

Cover

More Information
Summary:TP181; 公交客流预测是公共交通规划和管理中的重要问题.虽然时空图卷积在地铁客流预测任务中获得了很好的预测效果,但是面对公交更复杂的线路、大规模的节点数据,现有的基于图卷积的空间建模方法将带来巨大的空间内存消耗.同时,公交客流量短时间范围内更可能受到瞬时交通状况的影响.为了解决这些挑战,提出了一种多尺度融合和动态自适应图的公交客流预测模型(MFDAG).该模型融合客流、时刻和周信息以增加数据的特征维度,用动态自适应图的方法来学习不同站点之间的关系.进一步提出了一种多尺度融合传播的方法来表示复杂的空间依赖关系,同时设计了一种多尺度卷积传播的方法来学习不同尺度的时间依赖关系.在两个真实的客流数据集上进行了实验,并与其他交通预测方法进行了比较.实验结果表明,所提出的多尺度融合和动态自适应图的公交客流预测方法具有更高的预测准确度.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2305107