基于数字孪生的城市交通流量可视预测研究

来源：计算机技术与发展杂志2024年第07期北京时间：

作者：王健松;李学俊;王桂娟;郭皓;吴亚东*

摘要：由于城市路网数据的复杂性和动态性,直接解读各道路关联关系变得困难,直接连接性的不确定性也影响了预测准确性。 为解决这些问题,利用出租车轨迹数据,结合图卷积神经网络,提出了数字孪生基础上的城市交通流量智能可视预测框架。 为提高预测精度,根据历史流量数据创建了路网的时空关联图,构建了时空图卷积网络的 ASTRG-GCN 交通流量预测模型。 通过数字孪生技术,将动态交通数据和虚拟三维交通场景融合,实时模拟交通场景,为城市交通优化提供决策支持。 最终,设计并实现了城市交通流量可视分析框架,使用户能够高效分析交通运行态势。 实验结果表明,该模型预测精度在两个数据集上高于对比算法。 数字孪生的可视分析系统实现了交通拥堵识别、交通场景模拟和交通变化对比等效果,为交通规划者提供了决策支持。

关键词：数字孪生;城市交通;轨迹数据;流量预测;可视化分析