Lin M . Cross-Attention Fusion Based Spatial-Temporal Multi-Graph Convolutional Network for Traffic Flow Prediction[J]. Sensors, 2021, 21.
SCI三区
下面是我的阅读笔记:作者花了很大篇幅总结关于交通流预测的图卷积模型,文章指出以往文章只关注静态的时空特征没有考虑动态的。
文章提出:
节点1发生堵塞时,很快就会影响到节点2,但是节点5不受影响,就是说节点具有相似的空间联系却不一关联,而距离远但在一定时间可达的节点却关联。
文中提出的多图卷积是指:三种不同时间间隔的图:current,daily,weekly,这和ASTGCN定义的一样。三种不同的空间联系图:proximity,connectivity,regional similarity
在多图卷积模块运用的是最基本的图卷积操作,不过加入了超参数K,决定可学习参数矩阵W的阶数,公式如下: