基于图卷积网络的交通路口流量预测模型
作者机构：西南科技大学计算机科学与技术学院四川绵阳621000
基 金：国防基础计划科研项目(JCKY2019204B007) 国家自然基金资助项目(61872304)
出 版 物：《计算机应用研究》 (Application Research of Computers)
年 卷 期：2023年第40卷第2期
页 码：440-444页
摘 要：交通流量预测是建设智慧城市中一项重要性高且挑战性大的任务。准确预测需要考虑如节假日、相似节点和天气等多种影响因素组成的时空特征。为了准确捕获到路网路口的时空特征,提出了一种基于图卷积神经网络、时序算法Prophet和Pearson相关系数的预测模型,以实现考虑空间结构、相似节点、节假日及其他影响因素对路口流量的准确预测。首先,为降低相似节点影响引入Pearson相关系数,改进时序算法,实现时间特征的捕捉;然后,采用图卷积神经网络实现空间特征的捕捉;最后,通过线性回归确定图卷积网络和时序算法的融合权重,得到时空融合预测的结果。最终基于成都市出租车轨迹数据分析提取出路口流量数据,并进行了流量预测实验。结果表明,提出的模型准确性优于大多现有的基线方法,与T-GCN、ASTGCN、AGCRN模型相比,MAE分别降低了1.623、0.724、0.161,精度分别提高了0.144、0.068、0.021,验证了该模型在交通路口流量预测中的有效性。
主 题 词：交通流量预测 出租车轨迹数据 城市路网 时空模型
学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类]
D O I：10.19734/j.issn.1001-3695.2022.06.0307
馆 藏 号：203118524...
