基于時空感知Transformer的交通流預測模型

摘要： 交通流預測是智能交通系統(tǒng)的一個熱點研究領域，其根本挑戰(zhàn)是對交通數據中復雜的時空相關性進行有效建模。針對大部分現(xiàn)有時空Transformer模型在構建時空相關性矩陣時忽略了時間趨勢性和空間異質性的重要影響的問題，提出一種基于時空感知Transformer的交通流預測模型。首先，采用改進的時空感知自注意力機制挖掘交通流數據中潛在的時間趨勢性和空間異質性特征，建立精確的時空相關性矩陣...