典型文献
基于图网络融合的交通状态预测方法研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
徐东伟;商学天;魏臣臣;彭航
作者机构：
浙江工业大学网络空间安全研究院 杭州 310023;浙江工业大学信息工程学院 杭州 310023
文献出处：
引用格式：
[1]徐东伟;商学天;魏臣臣;彭航-.基于图网络融合的交通状态预测方法研究)[J].武汉理工大学学报（交通科学与工程版）,2022(02):195-200
A类：
PEMS08,路网交通状态数据
B类：
图网络,网络融合,状态预测,中考,道路节点,时间相关性,皮尔逊相关性系数,构建逻辑,聚合算法,邻居,交通路网,路网提取,时空特征,特征信息,损失函数,返回,最优模型,路网模型,西雅图,高速路网,网速,seattle,加州,流量数据,融合模型,Seattle,MAE,MAPE,GCN,智能交通,交通流预测,特征融合,相关性网络
AB值：
0.398824
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
