计算机工程

作者：杨顶, 邓明君, 徐丽萍

单位：华东交通大学 交通运输与物流学院, 南昌 330013

关键词：短时预测,图卷积网络,门控循环单元,时空相关性,在线地图,等维递补

基金：国家自然科学基金（51965021）；江西省自然科学基金（20142BAB201015）；江西省教育厅科研项目（CJJ160476）。

路段行程车速的变化受时间和空间维度信息的综合影响，多数神经网络模型仅从时间维度上预测路段行程车速的变化规律，未能全面考虑路网结构和上下游交通状态对路段行程车速的影响。结合图卷积网络和门控循环单元构建深度学习模型，挖掘路段行程车速的时空特性。通过在线地图平台获取路段实时行程车速，使用等维递补方法更新历史序列数据，提高预测实时性。在深圳市部分区域路网上的实验结果表明，该模型的多步预测精度均在90%以上，相比自回归积分滑动平均模型、支持向量机回归模型和门控循环单元模型最高提升了6.9%、1.3%和0.4%，具有更优的路段行程车速预测效果。

来源：2021年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第12期