计算机应用研究

作者：张振琳,郭慧洁,窦天凤,亓开元,吴栋,曲志坚,任崇广,

单位：1.山东理工大学计算机科学与技术学院,山东淄博255000；2.济南浪潮数据技术有限公司,济南250101；

关键词：交通流量预测,动态图卷积网络,特征融合,残差建模,注意力机制,

基金：山东省高等学校优秀青年创新团队项目(2019KJN048)；；

交通流量预测在智能交通系统中占据核心地位。针对当前交通流量预测方法在特征利用和时空依赖建模方面的不足，提出了一种新的基于多维特征融合与残差增强的交通流量预测模型MFRGCRN（multi-dimensional feature fusion and residual-enhanced graph convolutional recurrent network）。该模型通过结合自编码器、深度可分离卷积及时间卷积全方位挖掘时空相关性，使用门控循环单元与多尺度卷积注意力结合学习数据的关联关系，同时利用多尺度残差增强机制实现对复杂模式的逐步建模。在四个真实数据集上的实验结果表明，所提出的模型在预测性能上优于对比的基线模型，尤其在PEMS08数据集的12步预测任务中，MAE、RMSE和MAPE分别降低约7.7%、2.9%和4.5%，展现出优异的长期预测能力。模型在准确性、稳定性和鲁棒性方面均表现出较强优势，为智能交通系统中的复杂交通流建模提供了有效解决方案。

来源：2026年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第1期