联合时空特征的交通流参数预测综述

来源：上海理工大学学报杂志2022年第6期北京时间：

作者：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

摘要：针对交通流参数预测在智能交通系统中的重要性，为寻求更实时准确的预测方法，对联合时空特征的交通流参数预测方法进行综述。以交通时空数据为研究对象，将交通流参数预测方法归纳为统计学习方法、深度学习方法和图神经网络方法。基于这3类方法分别从传统和联合时空特征角度概括了各种方法的研究现状和特点，分析了交通流参数预测的难点。结果表明，联合时空特征的交通流预测方法由于考虑了道路网络中复杂且动态的时空依赖性，相较于传统的同类方法，预测性能有较大提升。最后，从模型输入和模型设计角度，讨论了交通流参数预测未来研究方向。

关键词：交通流预测;统计学习;深度学习;图神经网络

基金资助：国家自然科学基金资助项目(61603257，61906121)