基于自适应时空同步建模的交通流预测

来源：计量学报杂志2025年第6期北京时间：

作者：叶宝林, 戴本岙, 苗永超, 李灵犀, 王翔, 吴维敏

摘要：为准确捕获路网中不同交通节点之间的时空关联关系，提出一种基于自适应时空同步建模的交通流预测方法。首先，构建全局节点嵌入和不同子图的偏置生成多个既相互关联又有一定区别的时空子图，将不同的时空子图进行拼接生成静态自适应时空图，从不同的维度上描述路网中不同节点间的时空关联关系。其次，为了更好地建模不同交通节点间动态变化的时空关联关系，设计了一种新的动态自适应时空图构建方法，在有效描述不同交通节点间动态时空关联关系的同时，降低了动态时空图的计算复杂度。最后，在3个来自真实路网的公开数据集上进行测试，测试结果表明：与LSTM、DCRNN、STGCN、ASTGCN、GWN、STSGCN、STFGNN、STGODE、S2TAT等9种基线方法相比，所提方法具有更高的预测精度。在数据集PEMS08上，与最优基线方法S2TAT相比，该方法的平均绝对误差e MAE、平均绝对百分比误差e MAPE和均方根误差e RMSE分别降低了8.65% 、9.25%和6.04%。

关键词：智能交通系统,交通流量预测,图神经网络,自适应时空图,时空同步建模,深度学习

基金资助：嘉兴市应用性基础研究项目(2023AY11034)