典型文献
基于因果分析图的城市交通流短时预测研究
文献摘要：
[目的]有效地挖掘区域之间复杂的空间作用关系机制,提高短时交通流预测精度.[方法]提出一种新的图神经网络模型,该模型融合区域功能相似性矩阵与因果关系矩阵,按照"交通时序因果关系挖掘→时空特征提取→未来状态预测"的逻辑进行预测建模,训练图神经网络捕获区域内流量的时空依赖性特征,从而实现交通流量预测.[结果]在成都市滴滴出行数据集上进行实验分析,结果表明所提模型较其他8种基线模型效果均有一定的提升,相较于最优基线模型,在RMSE及MAE值上分别降低了 3.098％和4.783％.[结论]交通时序因果图可以同时融合传统方法中通常需要考虑的空间距离关系特征、道路连通性特征、功能相似性特征等,且因果关系的引入能在一定程度上提升区域交通流的预测性能.
文献关键词：
短时交通流预测;交通时序因果图;时空数据;图神经网络
中图分类号：
作者姓名：
王洁;高原;张蕾;马力文;冯筠
作者机构：
西北大学信息科学与技术学院 西安710127;西北大学经济管理学院 西安710127;西北大学网络和数据中心 西安710127
文献出处：
引用格式：
[1]王洁;高原;张蕾;马力文;冯筠-.基于因果分析图的城市交通流短时预测研究)[J].数据分析与知识发现,2022(11):111-125
A类：
交通流短时预测,交通时序因果图
B类：
因果分析图,城市交通,预测研究,关系机制,短时交通流预测,图神经网络,模型融合,区域功能,功能相似性,因果关系,关系矩阵,关系挖掘,时空特征提取,状态预测,预测建模,内流,时空依赖性,交通流量预测,成都市,滴滴,滴出,基线模型,RMSE,MAE,空间距离,关系特征,道路连通,连通性,区域交通,预测性能,时空数据
AB值：
0.34428
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。
