图神经网络 | Python实现基于T-GCN时间图卷积网络模型的交通预测
效果分析
基本描述
准确、实时的交通预测在智能交通系统中发挥着重要作用,对城市交通规划、交通管理和交通控制具有重要意义。然而,交通预测一直被认为是一个开放的科学问题,受城市路网拓扑结构的约束和随时间动态变化的规律,即空间依赖性和时间依赖性。为了同时捕捉空间和时间依赖性,我们提出了一种新的基于神经网络的流量预测方法,即时间图卷积网络(T-GCN)模型,它结合了图卷积网络(GCN)和门控循环单元(GRU)。具体来说,GCN 用于学习复杂的拓扑结构以捕获空间依赖性,而门控循环单元用于学习交通数据的动态变化以捕获时间依赖性。然后,将T-GCN模型用于基于城市路网的交通预测。