基于深度时空残差网络的路网短时交通流预测

作     者：丁新宇 施佺 DING Xin-yu;SHI Quan

作者机构：南通大学信息科学技术学院江苏南通226019 南通大学交通与土木工程学院江苏南通226019 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2022年第43卷第2期

页      面：316-322页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61771265) 江苏省“333工程”科研基金项目(BRA2017475) 南通市智能交通技术重点实验室基金项目(CP12017001) 

主　　题：交通流预测 时空数据处理 深度学习 残差网络 网络融合 

摘      要：针对城市路网短时交通流预测受到许多复杂因素的影响,提出一种基于深度时空残差网络的路网短时交通流预测模型DST-ResNet(deep spatio-temporal residual network)。针对时空数据的两个独特属性邻近性和周期性分别设计相应的残差网络分支,通过为两个分支中相同的道路分配不同的权重动态聚合两个分支网络的输出,调整时空属性对不同路段交通流预测的影响程度,将两个残差网络的聚合结果与外部因素进行融合。通过选择RMSE和R^(2)为模型的评价指标进行实验验证,该DST-ResNet模型相较主流的LSTM模型具有更高的有效性和可行性。