计算机应用研究

作者：王庆荣,吴玉玉,朱昌锋,王媛,

单位：兰州交通大学a.电子与信息工程学院;b.交通运输学院,兰州730070；

关键词：交通流预测,图小波变换,自适应矩阵,外部因素,门控循环机制,注意力机制,

基金：国家自然科学基金资助项目(71961016)；教育部人文社会科学研究规划基金资助项目(18YJAZH148)；甘肃省自然科学基金资助项目(20JR10RA212,20JR10RA214)；；

针对现有交通流量预测算法大多仅考虑常态下的预测，而未考虑天气属性、周围地理属性对预测结果的影响，提出一种融合外部属性的组合预测模型（A-STIGCN）。首先，将外部属性作为路网中路段的属性，同时对路段的属性和交通特征进行建模，得到增强的特征向量。其次，采用图小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息，并借助门控循环单元（GRU）对时间信息的长时记忆能力以提取其时间特性。最后，通过注意力机制来捕获时空动态变化性进行交通流预测。采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测，研究结果表明：A-STIGCN组合模型预测效果优于传统线性模型及变体模型，与未引入注意力机制的ASTGCN模型相比，MAE降低了约0.131，精度提高了0.068，与未引入外部因素的TGCN模型对比分析，MAPE降低了约0.637%，精度提高了0.079，从而更好地为交通管理提供指导意见。

来源：2022年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第10期