基于图卷积网络的交通流预测方法综述

来源：南京信息工程大学学报·自然科学版杂志2024年第3期北京时间：

作者：叶宝林，戴本岙，张鸣剑，高慧敏，吴维敏

单位：叶宝林,浙江理工大学 信息科学与工程学院, 杭州, 310018;嘉兴大学 信息科学与工程学院, 嘉兴, 314001,戴本岙,浙江理工大学 信息科学与工程学院, 杭州, 310018;嘉兴大学 信息科学与工程学院, 嘉兴, 314001,张鸣剑,浙江理工大学 信息科学与工程学院, 杭州, 310018;嘉兴大学 信息科学与工程学院, 嘉兴, 314001,高慧敏,嘉兴大学 信息科学与工程学院, 嘉兴, 314001,吴维敏,浙江大学 智能控制与系统研究所, 杭州, 310027

摘要：近年来,基于深度学习的交通流预测方法一直是交通流预测领域的研究热点.与传统卷积神经网络不同,适合处理非欧几里得数据的图卷积网络在空间特征建模方面表现出了强大的能力,而反映路网空间特征的拓扑图、距离图、流量相似图等正是典型的非欧几里得数据.因此,基于图卷积网络及其变体的交通流预测方法成为交通流预测领域的一个研究热点,并取得了很多有吸引力的研究结果.本文对近年来基于图卷积网络的交通流预测模型进行了分类和总结.首先,从图卷积网络的基本定义出发,结合空域图卷积和谱域图卷积的定义详述了图卷积的基本原理.其次,根据预测模型的网络结构特点,将基于图卷积网络的交通流预测模型分为“组合型”和“改进型”两大类,并对其中最具代表性的模型结构进行了详细分析和讨论. 此外,对交通流预测领域中常用于模型性能对比的典型数据集进行了综述,并以其中一个真实数据集为例开展仿真测试,展示了4个基于图卷积网络交通流预测模型的预测性能.最后,基于当前的研究现状和发展趋势,对基于图卷积网络的交通流预测方法研究领域中未来的研究热点和难点进行了开放性的讨论和展望.

关键词：深度学习;交通拥堵;图卷积网络;交通流预测

基金资助：浙江省自然科学基金(LTGS23F030002);嘉兴市应用性基础研究项目(2023AY11034);浙江省“尖兵”“领雁”研发攻关计划(2023C01174);国家自然科学基金 (61603154);工业控制技术国家重点实验室开放课题(ICT2022B52)