基于时间图注意力的交叉口交通状态识别及关联度研究

来源：交通运输系统工程与信息杂志2023年第5期北京时间：

作者：李鹏程, 董宝田, 李思贤

单位：北京交通大学，交通运输学院，北京 100044

摘要：为实时获取交叉口交通状态及其邻居交叉口关联度，本文利用实际交通调查数据建立VISSIM仿真环境，基于仿真数据提出包含交叉口交通流特征和物理特征的交叉口交通特征矩阵，并根据车流量、流向比和有效绿灯时间得到交叉口的交互时间矩阵。提出基于时间图注意力(Temporal Graph Attention, TGAT)网络的交叉口交通状态识别模型，将上述矩阵和交通数据的初始标签输入模型中，得到目标交叉口在畅行、平稳、拥挤、阻塞这4种状态下的分类准确率，并得到邻居权重矩阵作为交叉口之间的关联度。选取本文方法和多层感知机、长短期记忆网络、支持向量机分别进行交叉口交通状态识别，准确率分别为93.38%、90.00%、92.03%、82.84%，本文方法的精确率、召回率、F1度量指标均优于其他方法。最后，提出基于关联度和车流量的权重评判系数，定量描述关联度的可靠性，选取主干路上11个交叉口的数据进行验证。结果表明，对于流量分布相对均匀的非孤立交叉口，本文获得的关联度与对应流量正相关，具有有效性和可解释性。

关键词：智能交通,交叉口状态识别,时间图注意力网络,交叉口关联度

基金资助：国家自然科学基金(61772065)。