基于图卷积门控循环单元网络模型的交通速度预测

作     者：谌贵辉 彭娇 李忠兵 陈伍 刘会康 韩春阳 刘安东 Chen Guihui;Peng Jiao;Li Zhongbing;Chen Wu;Liu Huikang;Han Chunyang;Liu Andong

作者机构：西南石油大学工程学院四川南充637001 西南石油大学电气信息学院四川成都610500 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2024年第41卷第2期

页      面：109-116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：南充市机器人工程与智能制造重点实验室建设资助项目(19SXHZ0033) 

主　　题：交通速度预测 图卷积 序列到序列 时空相关性 

摘      要：准确的交通预测能够有效解决交通堵塞和环境污染等问题,然而现有预测方法无法充分表征交通数据的特征。针对以上问题,提出一种序列到序列图卷积门控循环单元(Seq2Seq-GCGRU)模型,用于提取交通速度的时空特性和预测。模型由三部分组成,分别用于建模带有时间偏移的交通速度周周期、日周期及临近期信息,还提出一种新的seq2seq训练方法以克服已有方法不适用于时间序列的缺陷。实验结果表明,对比其他常见的交通流预测模型,所提算法具有更高的预测精度,均方根误差(RMSE)与平均绝对误差(MAE)指标至少分别降低25%和24%。