原文传递
数据驱动的城市路网短时交通流预测
| 题名： | 数据驱动的城市路网短时交通流预测 |
| 正文语种： | 中文 |
| 作者： | 唐进君；曾捷；段一鑫 |
| 作者单位： | 中南大学交通运输工程学院 |
| 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 |
| 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。 |
| 期刊名称： | 武汉理工大学学报 |
| 出版年： | 2022 |
| 期： | 05 |
| 页码： | 782-791,796 |
检索历史
应用推荐
