10.19818/j.cnki.1671-1637.2022.03.006
基于广义时空图卷积网络的交通群体运动态势预测
针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率.分析结果表明:相较于传统自回归求和滑动平均(ARI-MA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79％、22.97％和16.73％;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17％和75.71％.可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息.
智能交通、交通速度预测、图卷积网络、时空特征、交通大数据、车路协同环境
22
U491.14(交通工程与公路运输技术管理)
国家重点研发计划;山东省重点研发计划
2022-08-23（万方平台首次上网日期，不代表论文的发表时间）
共10页
79-88
