10.19665/j.issn1001-2400.20221101
一种融合纵横时空特征的交通流预测方法
针对现有城市道路交通流预测研究中,上下游交通流时滞特性与空间流动特性挖掘不足、车道级交通流时空特性考虑不充分的问题,提出一种融合纵横时空特征的交通流预测方法.首先,通过计算延迟时间量化并消除上下游交通流断面间的空间时滞影响,增强上下游交通流序列的时空相关性.其次,将消除空间时滞的交通流通过向量拆分数据输入方式传入双向长短时记忆网络,用以捕捉上下游交通流纵向的传递与回溯双向时空关系,同时利用多尺度卷积群挖掘待预测断面内部各车道交通流间多时间步横向时空关系.最后,采用注意力机制动态融合纵横时空特征得到预测输出值.实验结果表明,相较于常规时间序列预测模型,所提方法在单步预测实验中,平均绝对误差、均方根误差分别下降了约 15.26%、13.83%,决定系数提升了约 1.25%.在中长时多步预测实验中,进一步证明了所提方法可有效挖掘纵横向交通流的细粒化时空特征,并具有一定的稳定性和普适性.
城市交通、交通流预测、纵横时空相关性、深度学习、特征融合
50
U491(交通工程与公路运输技术管理)
国家自然科学基金;甘肃省自然基金项目;甘肃省教育科技创新项目
2023-11-24（万方平台首次上网日期，不代表论文的发表时间）
共10页
65-74
