基于扩散模型的节假日高速公路交通流预测方法

来源：交通运输系统工程与信息杂志2025年第2期北京时间：

作者：林培群, 陈泽沐, 周楚昊

单位：1. 华南理工大学，土木与交通学院，广州510641；2.中新国际联合研究院，广州510555

摘要：交通管理部门需要依赖精准的交通需求预测来制定科学的交通管控措施。然而，节假日期间交通流的高度不确定性和突发性使得在假期开始前进行精确预测变得困难。本文基于扩散概率模型理论，构建一种适用于节假日交通流预测的扩散框架，并进一步开发了一个融合流量时空特征、节假日特性和天气因素的多特征提取条件扩散模型(ConditionalDiffusionModelwith Multi-feature Extraction, CDMME)，以实现节假日高速公路路段的长时交通流预测。本文选取广东省内28段繁忙高速公路路段在元旦、端午节和中秋节假期的15min及1h流量数据进行模型训练和测试。实验结果表明，与随机森林模型相比，CDMME在15min和1h总流量预测任务中的加权平均绝对误差百分比(WeightedMeanAbsolutePercentage Error, WMAPE)分别下降了12.98%和34.88%，平均绝对误差(MeanAbsolute Error, MAE)分别增大了1.47%和下降了23.54%；与长短时记忆网络模型相比，WMAPE分别降低了16.10%和32.39%，MAE分别降低了9.42%和27.55%。与15 min总流量预测、1h客车流量预测和1h货车流量预测相比，1h总流量预测的WMAPE分别下降了29.57%、12.23%和30.42%，表明在数据量级更大的任务中，CDMME的性能更为优越。可视化结果显示，CDMME在捕捉流量峰值方面表现更出色。此外，提前1天进行预测时，CDMME的平均预测准确率最高，1h总流量预测的精度可达到87.27%。

关键词：智能交通,长时交通流预测,条件扩散模型,高速公路,节假日

基金资助：国家自然科学基金(52072130)；广东省科技计划项目(2023A1111120018)。