基于图卷积网络的路网短时交通流预测研究

来源：交通运输系统工程与信息杂志2020年第4期北京时间：

作者：陈喜群，周凌霄，曹震

单位：浙江大学 建筑工程学院，杭州 310058

摘要：智能交通系统是缓解交通拥堵行之有效的手段，精准的交通流预测是其实现的关键所在. 本文考虑路网拓扑结构和交通流时空相关性，提出基于图卷积网络(Graph Convolution Network，GCN)的大规模城市路网短时交通流预测模型，具有较高的预测精度、预测效率和现实解释意义；采用真实大规模城市路网浮动车数据对GCN模型进行测试，结果表明，GCN模型相对于现有模型，在预测性能上有较大提升.

关键词：智能交通,短时交通流预测,图卷积网络,城市路网,深度学习

基金资助：国家重点研发计划/National Key Research and Development Program of China (2018YFB1600900)；国家自然科学基金/National Natural Science Foundation of China (71922019, 71771198).