A3T-GCN 论文总结

                                                      A3T-GCN: Attention Temporal GraphConvolutional Network for Traffic Forecasting 总结

作者：Jiawei Zhu, Yujiao Song, Lin Zhao and Haifeng Li

来源：arXiv:2006.11583v1 [cs.LG] 20 Jun 2020

代码：https://github.com/lehaifeng/T-GCN/A3T

1 论文动机

        复杂的时空依赖性，使得交通流预测存在一些挑战：在空间维度上，由于路网的连通性，连接道路之间的交通流密切相关；在时间维度上，受到外部因素的影响，虽然通常相邻时间点之间存在趋势，但远过去点的重要性不一定小于最近过去点的重要性。论文提出一种注意时间图卷积网络(A3T-GCN)模型，它由GCNs和GRUs组成，可同时捕获全局时间动态和空间相关性：GRU学习时间序列短时趋势，GCN学习基于道路网络拓扑的空间依赖性；同时，论文引入注意机制调整不同时间点的重要性，并集合全局时间信息，以提高预测精度。

2 论文创新

         A3T-GCN在T-GCN的基础上，引入注意力机制，调整不同时间点的重要性，并收集全局时间信息，以提高预测精度，获取交通状态的全局变化趋势，获得更精准的预测精度。

3 论文模型