时间序列预测 DDSTGCN: Dual Dynamic Spatial-Temporal Graph Convolution Network for Traffic Prediction...

Dual Dynamic Spatial-Temporal Graph Convolution Network for Traffic Prediction

1.概述

---

2. 模型结构

提出的DDSTGCN框架如上图所示：
• 输入的交通数据首先通过线性变换模块进行处理，
• 然后输入到堆叠的双时空块(Dual Spatial-Temporal block)中，这是我们对交通流图及其对偶超图实现对偶动态图卷积的核心组件。
• 然后通过跳跃连接融合学习到的特征。
• 最后，通过Leaky ReLU和线性变换层，得到最终的流量预测结果。

---

3.Dual Spatial-Temporal Block 【DST-Block】 —— 双重时空块捕获交通流图的节点和边的时空特征

残差连接Residual Connection：在不同堆叠的dst块之间进行
每个DST-Block：包含[1]交通流图与其超图之间的互相变换，以及[2]动态交通图卷积、