基于图卷积网络的交通路口流量预测模型

来源：计算机应用研究杂志2023年第2期北京时间：

作者：何沁玮,李学俊,廖竞,

单位：西南科技大学计算机科学与技术学院,四川绵阳621000；

摘要：交通流量预测是建设智慧城市中一项重要性高且挑战性大的任务。准确预测需要考虑如节假日、相似节点和天气等多种影响因素组成的时空特征。为了准确捕获到路网路口的时空特征，提出了一种基于图卷积神经网络、时序算法Prophet和Pearson相关系数的预测模型，以实现考虑空间结构、相似节点、节假日及其他影响因素对路口流量的准确预测。首先，为降低相似节点影响引入Pearson相关系数，改进时序算法，实现时间特征的捕捉；然后，采用图卷积神经网络实现空间特征的捕捉；最后，通过线性回归确定图卷积网络和时序算法的融合权重，得到时空融合预测的结果。最终基于成都市出租车轨迹数据分析提取出路口流量数据，并进行了流量预测实验。结果表明，提出的模型准确性优于大多现有的基线方法，与T-GCN、ASTGCN、AGCRN模型相比，MAE分别降低了1.623、0.724、0.161，精度分别提高了0.144、0.068、0.021，验证了该模型在交通路口流量预测中的有效性。

关键词：交通流量预测,出租车轨迹数据,城市路网,时空模型,

基金资助：国防基础计划科研项目(JCKY2019204B007)；国家自然基金资助项目(61872304)；；