计算机应用研究

作者：周楚昊,林培群,

单位：华南理工大学土木与交通学院,广州510641；

关键词：交通流预测,多通道,Transformer,注意力机制,高速公路,

基金：国家自然科学基金资助项目(52072130,U1811463)；广东自然科学基金资助项目(2020A1515010349)；华南理工大学中央高校基本科研业务费(2020ZYGXZR085)；；

目前，我国高速公路拥堵程度居高不下，而交通流预测作为实现智能交通系统的重要一环，若能对其实现高精度的预测，那么将能够高效地管理交通，从而缓解拥堵。针对该问题，提出了一种考虑时空关联的多通道交通流预测方法（MCST-Transformer）。首先，将Transformer结构用于不同数据的内在规律提取，然后引入空间关联模块对不同数据间的关联特征进行挖掘，最后，借助通道注意力整合优化全局信息。采用广东省高速公路数据，实现了两小时内92个收费站的高精度流量预测。结果表明：MCST-Transformer优于传统机器学习方法以及部分基于注意力机制的时间序列模型，在120 min预测跨度下，相比贝叶斯回归，MAPE降低了5.1%；对比Seq2Seq-Att以及Seq2Seq这些深度学习算法，所提方法的总体MAPE也能降低0.5%，说明通过多通道的方式能够区分不同数据的特性，进而更好地预测。

来源：2023年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第2期