利用注意力驱动的、具备天气感知能力的多模态时空融合技术进行城市交通流量预测

《Future Generation Computer Systems》：Exploiting attention-driven weather-aware multimodal spatio-temporal fusion for urban traffic flow prediction

　　艾哈迈德·阿里（Ahmad Ali）|里亚兹·阿里（Riaz Ali）|穆杰塔巴·阿萨德（Mujtaba Asad）|杨兰青（Lanqing Yang）|塔玛姆·阿尔萨尔汉（Tamam Alsarhan）|白晓山（Xiaoshan Bai）
中国海南省五指山市海南比勒费尔德应用科技大学计算机科学与技术系，邮编571700

**摘要**
准确预测城市交通流量对于智能交通系统（ITS）和有效的创新城市管理至关重要。然而，交通动态受到多种时间模式和外部条件的强烈影响，这使得传统模型难以完全捕捉复杂的时空依赖性。为了解决这些挑战，我们提出了一种基于注意力驱动的动态时空图网络（Att-DSTGNet），该网络整合了多模态信息和自适应注意力机制，用于大规模交通预测。所提出的框架共同建模了影响交通演变的四个关键因素：近期模式、日常模式、周模式以及天气和事件等外部影响。Att-DSTGNet采用多尺度动态图卷积网络来表示道路段之间的时空依赖性变化。同时，时间注意力编码器选择性地捕捉这些因素内部和之间的细粒度时间相关性。为了结合多模态上下文，基于视觉变换器的模块提取高级气象特征，并通过跨模态注意力机制与交通表示进行自适应融合。在大型真实世界数据集上的广泛实验表明，Att-DSTGNet在多时段预测任务中始终优于现有的最佳基线模型。

**部分摘录**
**时空交通流量预测**
作为典型的时空预测问题，交通流量预测需要模拟空间和时间上的复杂相互作用。准确的预测必须考虑由道路网络拓扑结构决定的空间依赖性、动态变化的时间模式以及这些维度之间的复杂交互。早期的方法利用了基于RNN的架构，为时空建模奠定了基础。例如，DCRNN [16] 提出了...

**问题陈述**
假设一个城市根据经度和纬度被划分为网格地图，表示为 G={r1,1, r1,2, …, rH,W}，其中 H 和 W 分别代表网格的行数和列数。每个网格 ri,j 对应城市的特定地理区域。
在每个时间间隔 t，我们将区域 ri,j 的流入量和流出量定义为在 [t?1, t] 期间进入或离开该区域的移动对象（如出租车、自行车或行人）的数量。形式上，Xt = Xt_in ∈ R^2×H×W，其中 Xt_in 和 Xt_out...

**概述**
如图 2 所示，Att-DSTGNet 由四个主要组成部分构成：（i）用于交通轨迹的时空编码器；（ii）用于外部因素的时空编码器；（iii）多模态融合和记忆模块；（iv）具有时间分支选择的时空解码器。在图 2 的上层分支中，历史轨迹数据（出租车或自行车流量）首先被映射到一个图中，该图的节点对应于网格区域，边编码空间邻接性或流动性...

**实验设置**
所提出的模型使用 Keras（v2.1.0）深度学习库实现，并在配备 Intel(R) Xeon(R) E5-2680 v4 @ 2.40 GHz 处理器（八核）的高性能计算工作站上运行。系统配置了 256 GB 的 RAM 和四个 NVIDIA Tesla P100 GPU，并在 CUDA 8.0 和 cuDNN 8.0 环境下运行，同时使用基于 SQL 的数据管理应用程序。

**结果与分析**
图 3 比较了十个交通流量预测模型在 RMSE 和 MAPE 方面的性能。结果表明，传统的统计模型（HA、ARIMA）产生了相对较高的预测误差，而基于深度学习的模型（FC-LSTM、GRU-ED、STGCN）取得了中等程度的改进。基于图的模型和增强注意力的模型 Att-DHSTNet、GCN-DHSTNet、DMFGNet、ADMGM 进一步减少了误差，其中 Att-DSTGNet（我们的模型）始终获得了最低的 RMSE 和 MAPE。这表明...

**结论**
在本文中，我们提出了一种新颖的基于注意力驱动的动态时空图网络（Att-DSTGNet），用于准确且考虑天气因素的城市交通流量预测。该框架通过自适应注意力机制和动态图卷积整合了多模态信息（包括交通、时间和气象数据），有效捕捉了大规模城市网络中的复杂时空依赖性。通过共同建模接近性、日常和周时间模式...

**作者贡献声明**
艾哈迈德·阿里（Ahmad Ali）：撰写——审阅与编辑、撰写——初稿、可视化、验证、方法论、形式分析、数据整理、概念化。
里亚兹·阿里（Riaz Ali）：撰写——审阅与编辑、撰写——初稿、可视化。
穆杰塔巴·阿萨德（Mujtaba Asad）：撰写——审阅与编辑、撰写——初稿。
杨兰青（Lanqing Yang）：撰写——审阅与编辑、撰写——初稿、可视化、验证。
塔玛姆·阿尔萨尔汉（Tamam Alsarhan）：撰写——审阅与编辑、撰写——初稿。
白晓山（Xiaoshan Bai）：撰写——审阅与编辑、撰写——初稿。

**利益冲突声明**
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：艾哈迈德·阿里的报告由深圳大学提供。艾哈迈德·阿里与深圳大学存在关系，包括... 艾哈迈德·阿里有一项待批的专利。
如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本报告中所述的工作。

**致谢**
本工作部分得到了中国国家自然科学基金（项目编号 62373255 和 62003217）、广东省自然科学基金（项目编号 2024A1515011204）、深圳市自然科学基金（通过稳定支持计划项目编号 20220809175803001）以及国家大数据系统计算技术工程实验室开放基金（项目编号 SZU-BDSC-OF2024-15）的支持。