CCDSReFormer: 基于交叉双流增强校正变压器模型的交通流预测
原文中文，约300字，阅读约需1分钟。发表于：。精确、高效的交通预测对于智能交通系统至关重要，在城市交通规划和管理中具有重要意义。我们介绍了 Criss-Crossed Dual-Stream Enhanced Rectified Transformer 模型（CCDSReFormer），该模型通过 Enhanced Rectified Spatial Self-attention（ReSSA）、Enhanced Rectified...
该研究利用混合Transformer和时空自监督学习的模型提高长期交通预测的鲁棒性。通过自适应数据增强技术增强模型的鲁棒性，利用Transformer克服循环神经网络的局限性，并采用Chebyshev多项式图卷积捕捉空间依赖关系。通过两个自监督学习任务建模时空异质性，提高模型准确性和泛化能力。实验结果证明该模型在真实数据集上表现出卓越性能。
