基于图网络融合的交通状态预测方法研究

• 作者: 徐东伟 商学天 魏臣臣 彭航
• 来源期刊: 武汉理工大学学报（交通科学与工程版）
• 学科: 交通运输
• 关键词: 智能交通 交通流预测 图网络 路网交通状态数据 特征融合 相关性网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 交通工程与交通运输管理
• 页码范围: 195-200
• 页数: 6页
• 分类号: U491.1
• 语种: 中文
• DOI: 10.3963/j.issn.2095-3844.2022.02.003

摘要

文中考虑道路节点之间的时间相关性,利用皮尔逊相关性系数构建逻辑相关路网;通过图聚合算法聚合道路节点邻居信息,融合原始交通路网与逻辑相关路网提取的时空特征信息,以最小化损失函数为目标,返回最优模型参数,构建基于图网络融合的交通路网模型.采用西雅图高速路网速度数据集(seattle)和加州流量数据集(PEMS08)作试验验证,图网络融合模型提高了在交通状态预测精度.在短时交通状态预测中,Seattle的MAE指标为2.57、MAPE指标为6.48;PEMS08的MAE指标为14.23、MAPE指标为7.15;长时交通状态预测结果均优于LSTM、T-GCN等模型.