基于图卷积网络的路网短时交通流预测研究

摘要：

智能交通系统是缓解交通拥堵行之有效的手段,精准的交通流预测是其实现的关键所在.本文考虑路网拓扑结构和交通流时空相关性,提出基于图卷积网络(Graph Convolution Network,GCN)的大规模城市路网短时交通流预测模型,具有较高的预测精度、预测效率和现实解释意义;采用真实大规模城市路网浮动车数据对GCN模型进行测试,结果表明,GCN模型相对于现有模型,在预测性能上有较大提升.

关键词：智能交通、短时交通流预测、图卷积网络、城市路网、深度学习

所属期刊栏目：20

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家重点研发计划/;National Key Research and Development Program of China ;国家自然科学基金/;National Natural Science Foundation of China

在线出版日期：2020-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：49-55