面向交通预测的全局-局部图注意力网络
人工智能
2026-05-19 v1
摘要
交通预测是智能交通系统的重要组成部分。其关键挑战在于寻找时空相关性。近年来，图卷积网络和图注意力网络逐渐取代传统统计模型，用于预测未来交通。然而，两者都面临顶点性质差异大的难题。为此，我们提出了包含两两编码和事件基邻接矩阵的全局-局部图注意力网络（GLGAT）。GLGAT 为整个图设置全局注意力矩阵，为每个顶点分配局部注意力矩阵集合。实验表明，在两个真实交通数据集上，GLGAT 能有效捕获时空相关性，并在其他多种最先进方法中表现出竞争性能。
引用
@article{arxiv.2605.16726,
title = {A Global-Local Graph Attention Network for Traffic Forecasting},
author = {Tianchi Zhang},
journal= {arXiv preprint arXiv:2605.16726},
year = {2026}
}