基于多源数据的车流量时空预测方法

• 作者: 胡杰 龚永胜 蔡世杰 黄腾飞
• 来源期刊: 汽车工程
• 关键词: 车流量 多源数据 深度学习 时空预测
• 年，卷（期）: 2021,（11）
• 页码范围: 1662-1672
• 页数: 11页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2021.11.012

摘要

为提高车流量的预测精度,本文中从外部特征、时间特征和空间特征的角度综合考虑了多因素对车流量的影响,提出了一种基于多源数据和时空预测的车流量预测方法.在外部特征方面,深入探索了日期、天气和兴趣点特征对车流量影响;在时间特征方面,提出了基于时间卷积网络(TCN)的时间序列预测框架,并以近邻周期和日周期为基线分别建立时间预测模型;在空间特征方面,提出了基于图表示学习的空间特征提取方法,实现了相邻路网节点间的空间相关性特征提取.结果 表明,与多种现有预测方法相比,该方法在提升预测精度的同时改善了中长时车流量预测性能.