基于图卷积网络的短时交通速度预测

• 作者: 王增光 王海起 陈海波
• 来源期刊: 计算机与现代化
• 关键词: 智能交通 交通速度预测 时空分析 图卷积网络 长短期记忆网络 注意力机制
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 数据库与数据挖掘|DATABASE AND DATA MINING
• 页码范围: 99-105
• 页数: 7页
• 分类号: U491.2+6
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.09.015

摘要

交通预测是构建智能交通系统的重要技术,实时准确的交通预测有利于规划路线,提高出行效率.为提高交通速度预测精度,提出一种基于图卷积网络的短时交通速度预测模型.首先对交通速度数据进行时空特征分析,然后结合数据空间特性构造可学习的邻接矩阵来建立图卷积网络,同时考虑到交通数据的时间特性,因此在图卷积的基础上又添加了长短期记忆网络和注意力机制来共同构建预测模型.实验结果表明由于同时考虑了交通速度数据的时空特性,本文模型均方根误差、平均绝对误差和平均绝对百分比误差均小于传统模型和单个模型,验证了提出的模型预测精确度更高.