DDSTGCN
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、