中国安全科学学报

作者：周新民, 徐天, 李达, 王隆鑫, 胡江华, 王伟

单位：1 湖南工商大学 人工智能与先进计算学院,湖南 长沙 410205；2 湘江实验室,湖南 长沙 410205；3 湖南工商大学 前沿交叉学院,湖南 长沙 410205；4 湖南工商大学 计算机学院,湖南 长沙 410205

关键词：时空多头图注意力网络,自适应,多头空间自注意力,异质性,时空数据

基金：国家社会科学基金资助(21BGL231); 湘江实验室重大项目(23XJ01001)

为改善城市交通安全并解决交通拥堵问题,提出自适应时空多头图注意力网络的交通流预测模型,该模型通过三阶段架构实现精细化交通流预测,首先,采用时空编码模块对交通流数据的时空信息编码,构建交通流图;其次,对交通流图的流量属性和图结构层面进行自适应增强;然后,利用双分支多头空间自注意力模块挖掘全局与局部空间的内在关联,解耦复杂空间依赖关系,结合时间异质性与时间多头注意力机制,多角度捕捉时间序列中的复杂动态关系,同时,引入多层感知器(MLP)挖掘现有流量与未来流量的深层联系;最后,以真实世界数据集为例验证模型的有效性。结果表明:该模型在交通流预测中的关键指标平均绝对误差(MAE)和平均绝对百分比误差(MAPE)结果优于现有方法,分别最高降低5.12%和19.11%,同时,模型的预测值与真实值高度吻合,尤其在突发车流波动场景下,预测结果能较好地反映实际交通流量的变化。通过优化时空特征提取能力,模型能够有效降低预测误差,从而提升交通流量预测的性能,这证明了模型的有效性。

来源：2025年第11期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第11期