基于深度学习的短时交通流预测研究综述

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：熊章友, 李卫军, 朱晓娟, 杨国梁, 马馨瑜

单位：1.北方民族大学 计算机科学与工程学院，银川 750021；2.北方民族大学 图形图像智能处理国家民委重点实验室，银川 750021

摘要：交通流预测是智能交通系统的重要组成部分，旨在准确估计未来特定时间间隔内特定区域的交通流量。随着车辆的增长和路网中不同区域之间的复杂时空关系，传统的交通预测方法难以准确描述交通数据的特征，而深度学习的预测方法能够更好地处理复杂的特征结构，因此，深度学习的方法已成为短时交通流预测的研究热点。总结了传统交通流预测方法和深度学习交通流预测方法的研究现状，详细介绍了深度学习架构卷积神经网络、自编码器、循环神经网络、图卷积神经网络、注意力机制与Transformer以及深度学习混合神经网络，并且对深度学习的交通流预测文献、深度学习的超参数和场景进行了总结分析。总结了现有文献中常用的国内外公共数据集。根据前人的模型实验对交通预测模型的性能进行了对比分析。最后，讨论了基于深度学习的交通预测领域的未来研究方向。

关键词：交通流预测,深度学习,短时交通流,交通数据集,时空特征