集成电路应用杂志

摘要：阐述针对交通流数据的时空复杂性，提出将图注意力网络(GAT)、门控循环单元(GRU)与多头自注意力机制(Multi-Head Self-Attention,MHA)模型组合的混合时空交通流量预测优化模型。通过利用PeMS数据源进行模型测试，验证该模型的有效性。

关键词： 深度学习;图注意力网络;门控循环单元;自注意力机制;交通流预测;

DOI： 10.19339/j.issn.1674-2583.2025.07.022

专辑： 信息科技;工程科技Ⅱ辑

专题： 公路与水路运输;计算机软件及计算机应用

分类号： U495