Page 188 - 《软件学报》2024年第4期

1766 软件学报 2024 年第 35 卷第 4 期

(2) 城市地铁人群流量数据集预测结果分析
表 4 显示了本文模型与基线方法在杭州城市内地铁网络上的人群流量数据集上接下来 1h (12 步预测)的平
均预测结果(表中用粗体表示最优的结果, 下划线表示次优的结果).

表 4 各种模型在杭州地铁人群流量数据集上的预测结果
数据类型 流入人群流量 流出人群流量
评价指标 MAE RMSE MAPE (%) MAE RMSE MAPE (%)
HA 28.49 49.78 65.73 30.29 55.89 108.78
VAR 17.65 28.10 58.07 22.35 37.96 96.68
SVR 21.94 40.73 49.40 25.59 50.07 91.71
LSTM 22.53 39.33 60.12 26.18 48.91 103.06
DCRNN 12.25 20.91 25.53 18.02 31.45 66.98
STGCN 12.88 22.86 29.66 19.12 33.12 73.66
Graph WaveNet 11.20 19.73 23.75 17.50 30.65 73.65
ASTGCN 13.10 23.23 33.29 19.35 33.20 88.75
STSGCN 12.85 23.20 28.02 18.74 33.12 76.85
ASTGNN 11.46 20.84 24.42 17.94 31.91 72.46
STFGCN 12.54 20.63 24.74 18.13 31.63 73.27
MVSTGCN 10.65 18.43 22.79 17.03 30.21 70.48

从表 4 可以看出, MVSTGCN 在城市地铁人群流量数据集上依然保持了优秀的预测性能: 在流入人群流
量的预测任务下, MAE, RMSE 和 MAPE 指标下与最优方法相比, 分别有 4.9%, 6.6%和 4.0%的预测性能提升;
在流出人群流量的预测任务下, MAE 和 RMSE 指标下与最优方法相比, 分别有 2.7%和 1.4%的预测性能提升.
流出人群流量预测任务的 MAPE 指标相较于 DCRNN 性能略差, 这是由于 MVSTGCN 从多视角出发, 挖掘路
网节点之间多元的空间关联, 学习路网的全局特征, 而地铁人群流量数据集相较于高速公路流量数据集多元
空间关联性较弱, 因此性能有所下降, 但依旧展现了其优越的预测能力.
实验结果表明, MVSTGCN 在高速公路流量数据集和地铁人群流量数据集上都保持了优越的性能, 验证
了 MVSTGCN 的有效性与优越性. MVSTGCN 分别设计基于多视角动态图卷积模块, 发现道路网络中隐藏的
动态关联, 以捕获潜层的空间相关性, 显著提高捕捉局部变化和全局依赖性的能力. 同时, MVSTGCN 中的基
于局部卷积多头自注意力的时序预测模块可以在时间维度上灵活地建模交通数据的时序变化特性, 准确地预
测未来时间内的交通流量趋势.
3.5 消融实验

为了进一步评估本文模型中各组件的有效性, 我们在 PEMS04 和 PEMS08 数据集上进行了消融实验并分
析了实验效果, 设计了以下模型变体.
• w/o Emb: 去除了空间位置和时间位置嵌入的 MVSTGCN, 探究嵌入模块对建模的影响;
• w/o DGra: 去除了动态关联图构建模块的 MVSTGCN, 只使用距离图单一视角建模空间相关性, 探究
构建交通相似图捕捉节点之间相似的功能特性以及动态交通模式影响的重要性;
• w/o TrAtt: 去除了局部卷积注意力机制的 MVSTGCN, 使用传统多头自注意力机制替换时间局部卷
积多头自注意力, 探究捕捉局部趋势对于交通预测的作用;
• w/o DGCN: 去除了动态图卷积模块的 MVSTGCN, 使用传统图卷积模块替换动态图卷积模块, 探究
动态图卷积模块动态调整空间相关性强度的有效性;
• w/o Glo: 去除了全局表示模块的 MVSTGCN, 探究捕获全局空间相关性对于模型性能的影响;
• w/o RCLN: 去除了残差连接和层归一化的 MVSTGCN, 研究残差连接和层归一化是否能够提升模型
的性能.
消融实验的结果如图 11 所示, 所有变体的具体设置除上述差异外均与 MVSTGCN 设置保持一致, 图中给
出了模型在未来 1h 的平均预测结果, 这些变体在 PEMS04 和 PEMS08 上的实验结果基本相似. 可以看出,
MVSTGCN 的性能优于其他变体模型, 证实了本文模型中每个组件的有效性.