交通流量预测STFGNN:Spatial-Temporal Fusion Graph Neural Networks for Traffic Flow Forecas
Introduce然而,现有的大多数模型只利用给定的空间邻接矩阵对图进行建模,并且在对邻接矩阵进行建模时忽略了节点之间的时间相似性。STGCN扩张率增加,可能会丢失局部信息。STSGCN(Song等人2020)尝试通过局部化的时空同步图形卷积模块将空间块和时间块结合在一起,而不考虑全局相互影响。主要贡献我们通过数据驱动的方法构建了一种新的图,该图保留了隐藏的时空依赖。这种数据驱动的邻接矩阵能够提取