基于图卷积门控循环单元网络模型的交通速度预测

来源：计算机应用与软件杂志2024年第2期北京时间：

作者：谌贵辉, 彭娇, 李忠兵, 陈伍, 刘会康, 韩春阳, 刘安东

摘要：准确的交通预测能够有效解决交通堵塞和环境污染等问题，然而现有预测方法无法充分表征交通数据的特征。针对以上问题，提出一种序列到序列图卷积门控循环单元（Seq2Seq-GCGRU）模型，用于提取交通速度的时空特性和预测。模型由三部分组成，分别用于建模带有时间偏移的交通速度周周期、日周期及临近期信息，还提出一种新的seq2seq训练方法以克服已有方法不适用于时间序列的缺陷。实验结果表明，对比其他常见的交通流预测模型，所提算法具有更高的预测精度，均方根误差（RMSE）与平均绝对误差（MAE）指标至少分别降低25%和24%。

关键词：交通速度预测, 图卷积, 序列到序列, 时空相关性