基于時空動態循環圖卷積網絡的交通流預測

劉 志,陳 洋,周涵林,卞紀新

(浙江工業大學 計算機科學與技術學院,浙江 杭州 310023)

隨著城市化進程的發展,城市交通的健康運行面臨著巨大挑戰[1]。準確的交通流預測不僅能幫助智能交通系統(ITS)更好運行,而且可以對交通擁堵和交通事故做出及時的響應,從而提高城市交通運行效率。交通流預測是一個典型的時空數據預測問題。交通流數據在時間上呈現趨勢性和周期性,上一個時間片的交通流會影響下個時間片的交通流狀態,并且工作日的交通流基本呈現同一趨勢,這是由于人們工作上下班而導致的。交通流數據的空間性體現在一個道路內的車輛會隨著路網流到相連的路網,也稱為路網傳播性。此外交通流還存在動態相關性,交通流特征親和度高的道路通常會表現出相似的交通演變規律[2]。高速公路交通流數據在時間上和空間上都表現出強的相關性和動態性。準確的交通流量預測在緩解道路擁堵[3]、預警交通事故[2]和交通控制管理[4]等領域發揮著越來越重要的作用。交通數據的主要特征是復雜的空間和時間相關性,以往的交通流預測模型通?；诮y計的方法建模時間關聯,如歷史平均值、向量自回歸[5]和自回歸綜合移動平均[6]等方法,然而這類方法通常依賴專家知識,且由于模型限制無法建模時空關聯。因此,筆者回顧了交通流預測的相關工作。在交通流預測中,空間信息起著非常重要的作用,道路的拓撲結構以及車道間的聯系等都在一定程度上影響著交通流預測的準確性?！?br>