基于特征选择的时空融合交通流预测

来源：电子测量技术杂志2023年第22期北京时间：

作者：李昕光，王珅，曲大义

单位：1.青岛理工大学机械与汽车工程学院 青岛 266525; 2.青岛理工大学土木工程学院 青岛 266525

摘要：针对目前交通流预测模型在提取数据特征时容易忽略工作日和休息日交通流变化趋势存在差异的不足，提出一种基于特征选择的时空融合交通流预测模型STTFXGB。该模型从数据和模型两个层面提高模型对数据特征的提取。首先，利用皮尔逊相关系数计算数据间的相关性，并根据相关性的大小将数据集重新划分为工作日和休息日数据集。其次，采用能够体现全局关系的邻接矩阵结合自注意力机制构建图自注意力机制，提取路网数据的全局空间特征，并结合自注意力机制构建“三明治”结构的时空特征提取模块，基于Transformer模型构建时空融合模型STTF。然后，在STTF模型末端，利用XGBoost模型筛选多头注意力机制提取的特征，构建STTF-XGB模型。最后，在英国高速公路交通流数据集上对模型进行实验，结果表明：STTF-XGB在中短期的预测中较时空融合预测模型GCN-BiLSTM和GAT-BiLSTM在预测精度上提升约5%~10%，且预测误差波动范围最小，能够有效用于交通流预测。

关键词：智慧交通;特征选择;数据划分;时空融合;XGBoost模型

基金资助：国家自然科学基金（52272311）、山东省自然科学基金面上项目（ZR2020MG017）资助