首页|基于组合模型的短时交通流预测方法

基于组合模型的短时交通流预测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
准确、实时的交通流预测对交通规划、交通管理和交通控制具有重要意义.然而,由于道路网络拓扑结构约束和交通流随时间动态变化的空时相关特性,交通流预测仍然具有挑战性.为了同时捕获交通流的空间和时间相关性,提出一种将图卷积网络(GCN)和门控循环单元(GRU)相结合的组合模型方法.利用GCU能够灵活处理图结构数据的优点来捕捉各个路段的空间特征,继而发挥GRU在处理时间序列方面的优势挖掘交通流的内在时间规律,空时融合后得到最终预测结果.利用美国交通研究数据实验室的高速公路交通数据对该模型进行仿真验证,结果表明,所提出的GCN-GRU组合模型方法具有更高的预测精度,预测结果优于自回归积分滑动平均(ARIMA)模型和GRU模型等基准预测方法.
Short-Term Traffic Flow Forecasting Method Based on Combination Model

徐先峰、夏振、赵龙龙

展开 >

长安大学电子与控制工程学院,陕西西安 710064

智能交通系统 短时交通预测 图卷积网络 门控循环单元 空时相关性

陕西省自然科学基础研究计划项目陕西省自然科学基础研究计划项目长安大学中央高校基本科研业务费项目

2016JQ51032019GY-002300102328202

2021

10.19708/j.ckjs.2020.06.261

测控技术
中国航空工业集团公司北京长城航空测控技术研究所

测控技术

CSTPCD
影响因子：0.5
ISSN：1000-8829
年,卷(期)：2021.40(3)
  • 6
  • 5