基于动态稀疏注意力的地铁客流预测模型

作者:马茜; 梁奕; 段毅; 曾尚琦
更新时间:

地铁客流预测是一个随时间演化的多维时间序列数据,不同序列之间存在复杂的动态相关性。为了挖掘多个监测指标之间的内在复杂关系,提出了一种动态稀疏注意模型:利用全局变量注意自动选择相关驱动序列,增强模型预测的判别能力。根据局部密切相关和全局稀疏相关的先验知识,分别对历史时间步长和相关变量进行卷积和稀疏卷积,提取局部时间和局部变量特征,并设计稀疏注意对相关时间步长和变量进行加权,以提高预测性能。结果表明,与其他常用的客流预测模型相比,动态稀疏注意模型能够更准确地预测客流。