Apr, 2025
通过整合趋势和波动与注意力机制来增强短期交通预测
Enhancing short-term traffic prediction by integrating trends and
fluctuations with attention mechanism
TL;DR本研究解决了在交通流预测中长期趋势与短期波动之间相互作用所带来的挑战。提出了一种混合深度学习框架,通过并行处理两个输入特征,结合长期趋势和短期波动信息,并应用Bahdanau注意力机制以增强关键时间步的关注,从而显著提高模型预测交通拥堵等瞬态现象的能力。这一框架有望推动交通预测模型的稳健性和精确性,为缓解拥堵和城市交通规划提供支持。