基于数据编解码的时空交通流预测方法

来源：上海理工大学学报杂志2023年第2期北京时间：

作者：龙佰超，关为生，肖建力

单位：上海理工大学 光电信息与计算机工程学院, 上海 200093,上海理工大学 光电信息与计算机工程学院, 上海 200093,上海理工大学 光电信息与计算机工程学院, 上海 200093

摘要：针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。

关键词：智能交通系统;交通流预测;数据编解码;时序模型;深度学习

基金资助：国家自然科学基金资助项目（61603257，61906121）