基于图网络的高速公路交通量预测方法研究

作     者：刘子兴 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：张英俊

授予年度：2023年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0838[工学-公安技术] 0811[工学-控制科学与工程] 

主      题：交通量预测 时空序列 图网络 注意力机制 

摘      要：高速公路是一个国家或地区现代化水平的重要标志之一,我国高速公路以其高速、安全、舒适和经济的优势在整个交通运输体系中扮演着重要角色,是推动我国经济快速发展的重要推手。但因为气候环境变化、车流量大、节假日行车政策等原因也会引起高速公路拥堵,直接影响到人民生命财产安全以及经济损失。智能高速公路网的建设可有效地解决交通拥堵的问题,其中一项关键技术就是交通量的预测,但目前还未深入考虑数据的时空关联性和现有基于深度学习方法时间复杂性高的挑战。针对上述两个挑战,本文开展基于图网络的高速公路交通量预测方法研究,主要研究内容如下:⑴针对高速公路交通数据复杂时空相关性导致预测模型难以建模的问题,提出基于图网络和编码器的交通量预测方法。首先,使用基于时空维度的图结构间接建模高速公路传感器之间的关系,量化交通流在时空维度的转移。然后,使用基于时间维度的注意力建模高速公路传感器在不同时间的关系,建模交通量在时间维度的演变。最后利用编码器实现高速公路交通量的预测。实验结果验证了该模型的有效性。⑵针对现有主流预测模型时间复杂性高的问题,提出基于分层图网络融合的交通量预测方法。首先,利用时空数据建模高速公路传感器之间的因果关系,并量化交通流在时空维度的转移。然后,提出一种时间注意力机制来学习交通量在时间维度的演化趋势。最后,通过分层建模的交通量和预测变量之间采用前面所提出的预测模型。实验结果表明该模型在保证预测精度的同时,可有效地降低时间复杂性。