基于两级自适应空间建模的多视距高速公路交通流预测
来源：交通运输系统工程与信息杂志2026年第1期北京时间：
作者：邹复民, 陈培烨, 蔡祈钦, 廖律超, 罗永煜
单位：1. 福建理工大学，福建省汽车电子与电驱动技术重点实验室，福州350118；2. 福建省高速公路信息科技有限公司，福州350011
摘要：交通流预测是智能交通系统的核心能力，可支撑交通管理部门的实时调度与路网优化。然而，高速公路交通流在时间上变化剧烈，在空间上呈现动态关联，使得静态拓扑难以准确刻画路段间的依赖关系，同时预测视距增加时误差易快速累积，进一步加大建模难度。为此，本文提出两级自适应时空网络模型（TLASTN）。模型首先通过多尺度卷积与双向门控循环单元（BiGRU）提取时间序列特征，捕捉多尺度时序模式；随后在逐帧动态图上进行两级空间建模：第1级以路段特征相似为主，结合路网拓扑距离进行约束，从而生成稀疏化动态邻接并形成掩码，用于筛选物理合理的候选邻居；第2级在该掩码约束下采用图注意力机制，对候选邻居分配动态权重，以刻画不同交通状态下的精细化空间依赖。预测框架采用共享编码器与独立卷积预测头的分层结构，可同时支持5、15、30、60min多视距预测。在福建省G15沈海高速和G25长深高速电子收费系统（ETC）门架数据上的实验表明，TLASTN在所有视距上均取得最优性能，其中，在G15上，相比先进基线模型的平均绝对百分比误差（MAPE）指标降低3.0%~5.9%。研究表明，在逐帧动态图上采用两级空间建模能够有效提升动态场景下的交通流预测精度，为高速公路运行管理与决策提供可行技术方案。
关键词：智能交通,交通流预测,两级自适应时空网络,高速公路,动态图学习
基金资助：国家自然科学基金(41971340)；福建省青年科技人员育成项目(2025350443)。
