基于时空数据的交通流量预测算法研究

作     者：唐闻君 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：许宏丽

授予年度：2022年

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] 082303[工学-交通运输规划与管理] 0835[工学-软件工程] 082302[工学-交通信息工程及控制] 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）] 0823[工学-交通运输工程] 

主      题：时空预测模型 交通流量预测 动态自适应图卷积 站点特征信息 元学习器 

摘      要：城市交通流量预测是交通运输的一个关键环节,精准的预测结果可以为交通管理者在进行车辆调度、交通管制时提供信息支撑,同时为用户出行提供更便捷的服务,减少交通拥堵,降低安全隐患,促进城市交通的健康稳定发展。目前交通流量预测模型主要采用静态图卷积来构建交通流量的空间依赖关系,但静态图卷积难以自适应地捕捉交通流量的多层次空间依赖性。同时,现有的交通流量预测模型主要针对城市路网这种大规模数据,对局部与热点区域交通流量的先验特征应用不充分。本文针对上述的问题展开了基于时空数据的交通流量预测算法研究,具体研究内容如下:(1)针对静态图卷积难以自适应地捕捉交通流量多层次空间依赖关系的问题,提出了一种基于动态自适应图卷积的时空预测模型。该模型首先通过DTW(Dynamic Time Warping)算法获取时间序列之间的相似性来初始化图卷积的邻接矩阵,然后设计了一个动态自适应图卷积模块,使图卷积的邻接矩阵在不同层中根据输入的交通流量数据进行相应的变化,利用图结构在不同层次间隐藏的相关性将相邻层次的邻接矩阵连接起来。最后构建一个端到端的网络,在PEMSD4和PEMSD8数据集上验证了模型的有效性并给出最终的预测结果。(2)针对现有交通流量预测模型难以应用到一些局部和热点区域交通流量预测的问题,提出了一种适用于城市热点站点的交通流量预测模型,由于城市热点站点的交通流量与站点自身的特征信息有一定关联性,设计了一种基于矩阵分解的轻量级元学习器模块来对站点的特征信息进行学习,并与通过自适应图卷积模块提取到的空间特征进行融合,通过门控因果卷积提取时间特征,从而得到最终的预测结果。最后以北京站作为热点站点,以北京火车站时刻表数据作为站点特征信息对算法效果进行了分析验证。(3)针对现有城市交通流量数据,开发了一套城市交通流量可视化平台。该系统分为三个主要的功能模块,数据展示模块对城市交通流量数据进行了展示,并对交通流量数据进行可视化,交通流量预测模块设计了数据分析模块,可以对影响交通流量的外部特征进行可视化分析,并且集成了本文提出的预测模型,展示了预测结果以及预测误差,针对管理人员提供了用户管理模块,可以对用户信息进行增删操作。