典型文献
基于广义时空图卷积网络的交通群体运动态势预测
文献摘要：
针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率.分析结果表明:相较于传统自回归求和滑动平均(ARI-MA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79％、22.97％和16.73％;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17％和75.71％.可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息.
文献关键词：
智能交通;交通速度预测;图卷积网络;时空特征;交通大数据;车路协同环境
中图分类号：
作者姓名：
曲栩;甘锐;安博成;李林恒;陈志军;冉斌
作者机构：
东南大学 交通学院,江苏 南京 211189;东南大学 东南大学-威斯康星大学智能网联交通联合研究院,江苏 南京 211189;东南大学 现代城市交通技术江苏高校协同创新中心,江苏 南京 211189;武汉理工大学 智能交通系统研究中心,湖北 武汉 430063
文献出处：
引用格式：
[1]曲栩;甘锐;安博成;李林恒;陈志军;冉斌-.基于广义时空图卷积网络的交通群体运动态势预测)[J].交通运输工程学报,2022(03):79-88
A类：
GSTGCN
B类：
时空图卷积网络,交通群体,态势预测,高速公路,城市快速路,快速路交通,交通拥堵,交通管理与控制,交通速度预测,交通数据,时空特性,图结构,邻接关系,网络基础,切比雪夫,卷积操作,计算成本,卷积算子,卷积模块,标准卷积,全连接层,空间特征,国威,威斯康星州,密尔沃基,路网,上架,架设,个检,检测器,工作日,占有率,训练效率,自回归,滑动平均,ARI,MA,长短时记忆,平均绝对误差,平均绝对百分比误差,误差指标,时空数据,数据结构,准确预测,交通管控,态势信息,智能交通,时空特征,交通大数据,车路协同环境
AB值：
0.336758
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。
