典型文献
一种融合ST-GCN算法的高速公路节假日流量预测模型
文献摘要：
为高效准确地预测节假日期间高速公路重要路段的交通流量,提出一种融合时空图卷积网络(Spatio-Tem-poral Graph Convolutional Network,ST-GCN)的高速公路节假日流量预测模型.该模型采用平均速度、交通流量等重要的交通指标作为交通状态评价体系要素,对节假日期间高速公路的交通态势进行综合预测;融合ST-GCN算法模型,综合考虑时空特性,得到准确度较高的预测结果.以宁夏回族自治区高速公路的节假日交通信息为研究对象,对该模型的有效性进行验证,结果表明,该模型相比其他常用预测模型准确度更高,具有更好的稳定性和鲁棒性,预测结果可供高速公路的管理和运营参考.
文献关键词：
时空图卷积网络(ST-GCN)模型;流量预测;高速公路;节假日;交互预测;在线学习
中图分类号：
作者姓名：
贾百强;徐延军;周涛
作者机构：
中远海运科技股份有限公司,上海200135;上海船舶运输科学研究所有限公司,上海200135
文献出处：
引用格式：
[1]贾百强;徐延军;周涛-.一种融合ST-GCN算法的高速公路节假日流量预测模型)[J].上海船舶运输科学研究所学报,2022(05):58-65
A类：
B类：
ST,GCN,高速公路,节假日,日流量,流量预测模型,路段,交通流量,时空图卷积网络,Spatio,Tem,poral,Graph,Convolutional,Network,平均速度,通指,交通状态评价,状态评价体系,交通态势,算法模型,时空特性,宁夏回族自治区,交通信息,交互预测,在线学习
AB值：
0.291743
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。
