基于ARMA过滤器的时空图卷积网络短时交通流预测

来源：计算机工程与应用杂志2024年第21期北京时间：

作者：肖培成, 曹阳, 沈琴琴, 施佺

单位：南通大学 交通与土木工程学院，江苏 南通 226019

摘要：针对大多数现有的时空融合图卷积网络模型在分析交通流数据所采用的过滤器提取空间特征时，可能会导致网络节点特征过于平滑从而丢失原始信息、计算量大等问题，将一种能有效逼近任何所需响应的基于自回归移动平均（ARMA）过滤器的图卷积网络与门控循环单元（GRU）相融合，提出一种基于ARMA过滤器的时空图卷积网络短时交通流预测模型。在该模型中，采用GRU提取交通流数据的时间特征；利用基于ARMA过滤器的图卷积网络提取空间特征；通过平均池化层得到预测结果。在美国加州高速公路公开数据集PeMS04、PeMS07和PeMS08上进行了实验。结果表明，相比于切比雪夫多项式等传统的过滤器，ARMA过滤器能够更好地捕获交通流数据中的空间特征且能有效提升计算效率，在三组数据集上相比于GRU、DCRNN、T-GCN、ASTGCN和MSTGCN等基准模型，新模型的平均绝对误差指标平均降低了26.28%、28.25%、39.59%、26.24%和19.07%，训练时间平均降低了26.54%、95.00%、78.87%、93.58%和89.03%。

关键词：交通流预测,图卷积网络,ARMA过滤器,门控循环单元,时空特征提取