计算机工程

作者：罗向龙, 徐忠承, 苏勇东, 何西槟, 刘若辰

单位：长安大学信息工程学院, 陕西 西安 710018

关键词：智能运输系统,交通流预测,时空特征,图信号处理,双向长短期记忆

基金：国家自然科学基金(62001059); 陕西省自然科学基金面上项目(2022JM-056)

路网交通流预测在智能交通领域起着关键性作用, 交通流不仅具有高度的空间相关性, 同时在时间特征上也存在时间相关性和周期性。现有的时空交通流量预测在时间特征提取方面更多关注交通流的局部时间特征。针对上述问题, 提出一种改进膨胀时空图卷积网络(IDTS-GCN)模型, 以改进的图卷积网络(GCN)为基础提取空间特征, 将膨胀卷积的顺序操作改为并行操作后将膨胀序列嵌入双向长短期记忆(Bi-LSTM)中提取交通流短期局部与宏观长期时间特征, 低膨胀率的序列提取短期局部时间特征, 高膨胀率的序列提取长期宏观时间特征, 在此基础上添加残差连接融合时空特征得到最终预测结果。为了验证IDTS-GCN模型的有效性, 在PeMS04和PeMS08数据集上进行测试, 结果表明, IDTS-GCN模型在两种数据集下相较STSGCN时空联合学习模型, 平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)平均下降了4.917%、3.371%、6.079%和6.291%、5.842%、4.395%。

来源：2025年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第12期