融合多模态信息的Prophet-DCRNN交通预测方法

• 作者: 宋凯磊 张欣海 侯位昭 陈晓东 韩志卓
• 来源期刊: 中国电子科学研究院学报
• 关键词: 交通预测 DCRNN Prophet 多模态 混合模型
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 工程应用|Engineering and Application
• 页码范围: 250-254,264
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5692.2021.03.007

摘要

交通预测问题具有明显时空特性.相比传统数据挖掘方法,深度学习因为其解决复杂问题的能力越来越受到研究人员青睐.同样在交通预测中,深度学习借助其被精心设计的网络结构很好的捕捉了时空特征.然而,实际城市交通状态还受天气、节假日等因素影响,往往在恶劣天气、节假日更倾向于出现交通拥堵.为解决上述问题,文中提出了融合多模态信息的Prophet-DCRNN路口交通预测方法,利用Prophet时序预测算法捕获节假日效应,采用DCRNN捕获交通时空特性,此外采用类stacking技术,融合Prophet算法、DCRNN算法及天气信息,得到最终融合多模态信息的混合模型.最后通过实验验证了Prophet-DCRNN混合模型在节假日、不同天气状况等场景下交通预测的准确性.