典型文献
数据驱动的城市路网短时交通流预测
文献摘要：
文中立足于大数据时代的城市交通背景,总结现有短时交通流预测的研究现状,内容涵盖统计学模型、机器学习模型、传统深度学习模型及新颖的图神经网络等预测方法.根据预测模式将现有研究划分为单节点交通流预测及网络级交通流预测两大类别.将前者进一步细分为考虑交通流时变特征的预测方法及考虑空间相关性的预测方法,将后者按照所使用的预测模型归纳为基于卷积神经网络的预测方法及基于图神经网络的预测方法,论述了图神经网络中涉及到的拓扑网络构建方法.总结了现阶段预测方法中的不足,指出了包括融合多维交通特征、考虑多源数据时空特征的协同预测,以及融合时空复杂网络与交通预测等七点未来研究的重点方向.
文献关键词：
智能交通系统;短时交通流预测;机器学习;深度学习;城市路网
中图分类号：
作者姓名：
唐进君;曾捷;段一鑫
作者机构：
中南大学交通运输工程学院 长沙 410075
文献出处：
引用格式：
[1]唐进君;曾捷;段一鑫-.数据驱动的城市路网短时交通流预测)[J].武汉理工大学学报（交通科学与工程版）,2022(05):782-791,796
A类：
B类：
城市路网,短时交通流预测,中立,城市交通,统计学模型,机器学习模型,深度学习模型,图神经网络,据预测,预测模式,单节点,点交,两大类,流时,时变特征,空间相关性,拓扑网络,网络构建,构建方法,交通特征,多源数据,时空特征,复杂网络,交通预测,七点,重点方向,智能交通系统
AB值：
0.312184
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。
