期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,029篇文章
< 1 2 … 52 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
交通预测中的时空图神经网络研究综述:从模型解构到发展路径
1
作者 贾兴利 曲远海 +3 位作者 朱浩然 杨宏志 姚慧 李孟晖 《交通运输工程学报》 北大核心 2026年第1期46-74,共29页
为厘清交通预测模型的发展路径,探索未来交通预测发展方向,通过系统化的文献分析方法确立了以时空图神经网络为主导的技术发展方向;基于时空图神经网络框架特征,构建了从数据预处理、动静态图构建、时空特征提取到特征融合的全流程分析... 为厘清交通预测模型的发展路径,探索未来交通预测发展方向,通过系统化的文献分析方法确立了以时空图神经网络为主导的技术发展方向;基于时空图神经网络框架特征,构建了从数据预处理、动静态图构建、时空特征提取到特征融合的全流程分析体系;系统梳理了典型交通预测任务及其对应的开源数据集;归纳了基于拓扑关系、距离特性、相似度计算等静态图构建方法,以及动态图直接优化与特征优化等前沿图构建技术;从时间与空间两大维度总结分析了当前较新的时间特征建模与空间特征建模方法,并通过Graph WaveNet与DCRNN两大典型案例阐释了时空特征融合机制;针对深层网络训练中的梯度异常和性能衰退问题,总结了通用信息传递的解决方案;探索了对比学习、预训练机制、因果推理、混合专家模型等新兴技术与交通预测的结合路径。研究结果表明:无论是中国还是国外,时空图神经网络在交通预测的应用研究已经逐渐白热化,其中中国在统计中以1 671篇的发文量占据榜首;现有研究主要聚焦于提高模型对于时空特征的记忆能力与构建最优图结构,而这类优化方案已进入模型性能提升与效率提高的平衡期;在时间建模方面,现有研究仍在寻找计算效率与运行性能的平衡点,而空间建模则成为现有模型效率提升的主要阻碍;根据对过去研究的总结梳理,未来的突破方向或将集中于新型预测场景的开拓、模型可解释能力的提升、现实物理约束的添加、新型学习策略的创新以及工业级部署方案的探索,为智慧交通系统建设提供更坚实的技术支撑。 展开更多
关键词 智能交通系统 交通时空预测 综述 时空图神经网络 时空建模 图结构
原文传递
基于动态图神经延迟微分方程的交通流预测
2
作者 兰丽 赵鑫 《重庆交通大学学报(自然科学版)》 北大核心 2026年第2期57-65,共9页
针对现有的城市道路交通流预测研究中存在的路段上下游间交通流延迟效应,及交叉路口间时空关联特性挖掘不充分等问题,提出了一种基于动态图的神经延迟微分方程模型,细粒化交通流量的瞬时变化,提取长距离动态时空特征以提高预测准确性。... 针对现有的城市道路交通流预测研究中存在的路段上下游间交通流延迟效应,及交叉路口间时空关联特性挖掘不充分等问题,提出了一种基于动态图的神经延迟微分方程模型,细粒化交通流量的瞬时变化,提取长距离动态时空特征以提高预测准确性。首先,考虑交通流不同周期尺度呈现高度相似性,采用时空注意力机制对周和日尺度交通流数据建模,增强路口节点间的时空相关性;其次,计算上下游道路间的延迟时间,引入延迟微分方程,提取路网节点间时滞特征,模拟延迟效应下的空间信息传播过程;最后,整合各时间尺度的特征得到预测输出值。经过真实公共交通流数据集PEMS04、PEMS07、PEMS08验证,结果表明:模型的平均绝对误差与均方根误差平均下降了约2.20%和1.16%。 展开更多
关键词 交通工程 交通预测 动态图神经延迟微分方程 延迟 特征融合
在线阅读 下载PDF
基于TCN-ITransformer-KAN模型的短时交通流量预测方法研究
3
作者 曾桐 曹瑾鑫 许振山 《内蒙古大学学报(自然科学版)》 2026年第1期80-93,共14页
随着城市化进程加速与机动车保有量持续攀升,交通拥堵、安全隐患及环境污染等问题日益凸显,短时交通流量的精准预测已成为优化交通资源配置和提升路网运行效率的关键需求。本文以法国克雷泰伊(Europarc Creteil)环岛环形交叉口公开数据... 随着城市化进程加速与机动车保有量持续攀升,交通拥堵、安全隐患及环境污染等问题日益凸显,短时交通流量的精准预测已成为优化交通资源配置和提升路网运行效率的关键需求。本文以法国克雷泰伊(Europarc Creteil)环岛环形交叉口公开数据集为研究对象,提出一种融合时序卷积网络(TCN)、改进型Transforme(r ITransformer)与知识增强网络(KAN)的混合预测模型(TCN-ITransformer-KAN)。为提升多模态时间序列预测的准确性与泛化能力,该模型通过TCN完成时间序列高效处理,利用ITransformer提供全局依赖建模能力,并基于KAN嵌入领域知识增强表示,实现多模态特征融合与领域知识驱动的协同优化。实验结果表明,相较于CNN、LSTM及其变体组合模型,TCN-ITransformer-KAN在预测精度上显著提升,其决定系数较CNN-Transformer、LSTM和TCN-Transformer模型分别提高3.99%、7.47%和53.54%。模型预测曲线与真实交通流量呈现高度吻合,验证了其在实际场景中的有效性与泛化能力。本研究为城市交通流量短时预测提供了一种基于时空特征解耦与知识注入的新范式,可为智能交通系统的实时决策提供理论支撑。 展开更多
关键词 智能交通系统 短时交通流量预测 机器学习 TCN-ITransformer-KAN算法
原文传递
基于增长加速度的趋势交通量预测方法研究
4
作者 程俊龙 《公路交通技术》 2026年第1期205-211,共7页
针对经济社会发展波动或外部因素干扰下趋势交通量增长难以预测的问题,提出基于增长加速度相关性的趋势交通增长率预测方法,系统研究经济与交通类指标增长率及增长加速度的变化关系与趋势。结果表明:1)经济社会发展波动加剧会破坏经济... 针对经济社会发展波动或外部因素干扰下趋势交通量增长难以预测的问题,提出基于增长加速度相关性的趋势交通增长率预测方法,系统研究经济与交通类指标增长率及增长加速度的变化关系与趋势。结果表明:1)经济社会发展波动加剧会破坏经济与交通弹性系数的平稳变化趋势;2)传统弹性系数法对经济与交通增长的非线性关系考量不足,对未来弹性系数预测存在局限性;3)经济与交通类指标的增长加速度存在显著正相关性及明确函数关系。所提基于增长加速度的短期趋势交通量预测方法,可有效解决经济社会大幅波动下的趋势交通量预测难题。 展开更多
关键词 交通工程 趋势交通量 弹性系数法 交通增速 增长加速度
在线阅读 下载PDF
考虑驾驶风格的网联自主车辆换道意图预测方法
5
作者 李文杰 曲大义 +2 位作者 崔善柠 张智 韦良帅 《山东理工大学学报(自然科学版)》 2026年第2期36-42,共7页
网联自主车辆(Connected Autonomous Vehicles, CAVs)的行为意图是复杂交通场景多维要素交互作用的结果,其换道意图预测对行为安全控制及运行轨迹规划至关重要。提出一种基于驾驶风格的车辆换道意图预测方法,不仅考虑车辆的运动轨迹,而... 网联自主车辆(Connected Autonomous Vehicles, CAVs)的行为意图是复杂交通场景多维要素交互作用的结果,其换道意图预测对行为安全控制及运行轨迹规划至关重要。提出一种基于驾驶风格的车辆换道意图预测方法,不仅考虑车辆的运动轨迹,而且考虑车辆的驾驶风格。通过提取符合条件的车辆轨迹数据,并运用k-means聚类算法,将这些轨迹数据根据驾驶风格划分为保守型、一般型和激进型,建立卷积长短时记忆(Convolutional Long Short-Term Memory, ConvLSTM)网络车辆换道意图预测模型。运用ConvLSTM模型进行换道意图预测,输入保守型、一般型和激进型3类风格的轨迹数据进行验证分析,结果表明,驾驶风格对预测的准确率有所影响,相比于未划分驾驶风格的换道意图预测,准确率提升5.17%,可以实现换道意图的精准预测。 展开更多
关键词 网联自主车辆 驾驶风格 K均值聚类算法 卷积长短时记忆网络
在线阅读 下载PDF
基于多维注意力机制的高速公路交通流量预测方法 被引量：3
6
作者 虞安军 励英迪 +5 位作者 杨哲懿 付崇宇 童蔚苹 余佳 刘云海 刘志远 《汽车安全与节能学报》 北大核心 2025年第3期463-469,共7页
为了实现精准的交通流量预测,提高高速公路智慧管理水平,该文构建了一种基于多维注意力机制的交通流量预测模型,并在樟吉高速公路真实交通数据集上开展对比实验,以验证模型的准确性及预测精度。模型基于图神经网络(GNN)和时间卷积网络(T... 为了实现精准的交通流量预测,提高高速公路智慧管理水平,该文构建了一种基于多维注意力机制的交通流量预测模型,并在樟吉高速公路真实交通数据集上开展对比实验,以验证模型的准确性及预测精度。模型基于图神经网络(GNN)和时间卷积网络(TCN)提取交通流空间和时间维度的特征,结合多维注意力机制挖掘时空数据中的关键信息,同时引入多任务学习架构,通过基于同方差不确定性的损失函数来平衡不同任务共同学习,以提高模型的泛化能力和鲁棒性。结果表明:该模型在测试集上的均方根误差(RMSE)和平均绝对误差(MAE)分别为7.467和5.133,相较基准模型有更好的预测精度;提出的该交通流量预测方法可有效地挖掘交通流的时空特性,描述真实交通运行状态,对高速公路交通流量做出精准预测。 展开更多
关键词 交通流预测 图神经网络(GNN) 时间卷积网络(TCN) 多维注意力机制
在线阅读 下载PDF
基于神经常微分方程的自适应图时空同步交通流预测方法 被引量：1
7
作者 史昕 胡欣倩 +2 位作者 赵祥模 马峻岩 王建 《交通运输工程学报》 北大核心 2025年第2期170-188,共19页
针对现有交通流预测中时空特征获取的连续性与同步性问题,提出了一种基于神经常微分方程的自适应图(AGNODE)时空同步交通流预测模型;基于历史交通流量数据的语义和距离相关性构建了双路先验邻接矩阵,利用动态滤波和节点嵌入设计了权重... 针对现有交通流预测中时空特征获取的连续性与同步性问题,提出了一种基于神经常微分方程的自适应图(AGNODE)时空同步交通流预测模型;基于历史交通流量数据的语义和距离相关性构建了双路先验邻接矩阵,利用动态滤波和节点嵌入设计了权重可自动调整的自适应邻接矩阵;结合先验和自适应邻接矩阵,利用线性加权融合建立了静动态图融合层,通过虚拟连接层内顶点特征构建了包含时间和空间2个维度的自适应时空同步结构图;引入神经常微分方程(NODE)求解图卷积网络(GCN)形成了图卷积神经常微分方程(GCNODE),利用求解步长时间对齐和GCNODE双层堆叠构建了AGNODE模型;利用加州高速公路公开交通数据集(PeMS04和PeMS08),结合平均绝对误差(MAE)、均方根误差(RMSE)以及训练和推理时间等指标,测试验证了AGNODE模型。分析结果表明:相比最优基线模型STGODE,AGNODE的单步预测(5 min)在PeMS04上MAE和RMSE分别降低了3.6%和2.8%,在PeMS08上MAE和RMSE分别降低了2.2%和1.7%;AGNODE的多步预测(15、30、60 min)在PeMS04上MAE和RMSE分别平均降低了3.0%和2.4%,在PeMS08上MAE和RMSE分别平均降低了3.6%和1.2%;随着模型网络层数增大,AGNODE的MAE和RMSE分别降低了5.3%和2.6%,STGODE的MAE和RMSE分别降低了0.7%和0.6%;AGNODE的训练和推理时间相比ASTGCN,在PeMS04和PeMS08上分别减少了11.4%和7.5%,相比STGODE以增加不超过7.7%的时间成本得到更好预测精度。可见,AGNODE模型具有较强的时空建模和参数适应能力,可以准确预测短时交通流量,能够为交通参与者提供可靠的流量信息与决策依据。 展开更多
关键词 智能交通 交通流预测 神经常微分方程 时空域联合 图卷积网络
原文传递
基于Transformer-MLSTM联合模型的营运车辆行驶轨迹预测
8
作者 杜宇程 朱立伟 +1 位作者 李会民 陈方华 《客车技术与研究》 2026年第1期15-21,49,共8页
本文选取NGSIM数据集中的运营车辆行驶数据作为研究对象,采用小波降噪方法处理干扰数据,进而提出一种基于Transformer-MLSTM的车辆换道轨迹预测模型。该模型集成了Transformer模块的多头注意力机制和高效并行处理能力,可对周边车辆运动... 本文选取NGSIM数据集中的运营车辆行驶数据作为研究对象,采用小波降噪方法处理干扰数据,进而提出一种基于Transformer-MLSTM的车辆换道轨迹预测模型。该模型集成了Transformer模块的多头注意力机制和高效并行处理能力,可对周边车辆运动轨迹特征进行权重计算;MLSTM模块在捕获长期依赖的同时,加强各层间的信息传递,从而增强模型的整体表达能力。结果表明:在Transformer-MLSTM联合模型最优超参数组合下,预测车辆横向和纵向轨迹变化的RMSE值分别达到0.364和1.492,该模型的预测速度和准确度均优于采用LSTM、MLSTM和Transformer等方法建立的单一网络模型。 展开更多
关键词 行驶数据 NGSIM 换道轨迹预测 LSTM TRANSFORMER
在线阅读 下载PDF
基于大语言模型的交通拥堵预测研究 被引量：1
9
作者 张丽岩 范敏祎 马健 《物流科技》 2025年第17期90-93,共4页
随着我国经济的快速发展,城市人口和车辆数量激增,导致交通拥堵问题日益严重。如何有效预测城市的交通拥堵状况,是缓解交通拥堵的关键。文章选取了ARIMA模型、SARIMA模型以及LSTM模型应用于交通流量的预测,并且详细地介绍了模型的数学... 随着我国经济的快速发展,城市人口和车辆数量激增,导致交通拥堵问题日益严重。如何有效预测城市的交通拥堵状况,是缓解交通拥堵的关键。文章选取了ARIMA模型、SARIMA模型以及LSTM模型应用于交通流量的预测,并且详细地介绍了模型的数学算法以及预测流程。以苏州市各行政区为例,利用百度地图交通出行大数据平台和高德地图开放平台,获取实时交通数据和道路状态实时数据。文章通过误差值、残差分布、训练损失、时序预测误差、模型性能五个方面对三个模型的预测效果进行对比,最终证明LSTM模型相较于ARIMA模型、SARIMA模型具有更好的预测精度和实用性。 展开更多
关键词 大语言模型 实时交通信息 交通拥堵预测 时间序列模型 城市交通
在线阅读 下载PDF
基于分层时空框架的共享单车需求预测:LP-TFT模型与SHAP可解释分析
10
作者 李聪颖 袁锴璐 +3 位作者 李静怡 郑晓晶 李坤 何源 《中国公路学报》 北大核心 2025年第10期305-323,共19页
为揭示共享单车系统需求演变规律,并明确不同因素对需求的影响,提出一种融合特征解耦与深度学习的集群-站点级分层时空预测框架。首先,基于站点间的关联性与相似性改进LP算法,构建站点集群划分模型,其中关联性通过空间距离与出行流量表... 为揭示共享单车系统需求演变规律,并明确不同因素对需求的影响,提出一种融合特征解耦与深度学习的集群-站点级分层时空预测框架。首先,基于站点间的关联性与相似性改进LP算法,构建站点集群划分模型,其中关联性通过空间距离与出行流量表征,相似性通过POI相似度与历史出行量相似度加权表征;引入借还不平衡差异指数评价聚类效果,以最小化借还不平衡差异指数为目标进行站点集群划分;在此基础上,分别建立基于TFT模型的集群级与站点级需求预测模型,并将集群级预测结果整合进站点级预测过程中;最后,运用SHAP方法解析不同因素对集群级与站点级共享单车需求的影响机制。研究结果表明:集群级需求预测过程中,小时特征对集群级需求的影响最显著,表现为夜间抑制、日间促进,气象因素呈现双向调节作用,在温度适中、气压较高、风速与湿度较低时对需求产生促进作用;站点级需求预测过程中,集群需求为核心影响因素,随着集群级结果的引入,站点级预测结果的决定系数R^(2)由0.7679提升至0.8504,平均绝对误差MAE由1.2152降至0.9755,误差降低约19.73%;气象因素在站点层级展现出一定的独立影响趋势,如在部分低温、高湿或风速较大的情境下仍可能促进需求,表明站点级需求不仅依赖于集群需求的整体波动,还受站点周边环境的影响,具有一定独立性。研究构建了基于分层时空框架的共享单车需求预测方法,可为共享单车需求驱动因素识别与动态调度提供决策支持。 展开更多
关键词 交通工程 共享单车需求预测 LP算法 TFT算法 SHAP可解释分析
原文传递
城市道路通勤车辆行驶轨迹的改进型隐马尔可夫预测方法
11
作者 佘翊妮 裴植 +1 位作者 刘晴辉 董红召 《浙江工业大学学报》 北大核心 2025年第4期437-443,共7页
预测城市道路中群体车辆行驶轨迹是治安监控以及交通出行路线规划的基础。提出了基于改进型隐马尔可夫模型预测群体车辆行驶轨迹的方法,首先通过分析海量城市智能交通卡口数据,提取并分析获取群体通勤车辆的历史卡口和车道信息,并以此... 预测城市道路中群体车辆行驶轨迹是治安监控以及交通出行路线规划的基础。提出了基于改进型隐马尔可夫模型预测群体车辆行驶轨迹的方法,首先通过分析海量城市智能交通卡口数据,提取并分析获取群体通勤车辆的历史卡口和车道信息,并以此信息为基础,构建车辆历史行驶轨迹、车辆行驶状态转移矩阵和车道信息观测矩阵;然后建立改进型隐马尔科夫模型(Improved hidden Markov models,IHMM),得到城市道路群体通勤车辆行驶轨迹;最后以某类群体通勤车辆的历史交通数据为例对方法进行验证实验,通过多种方法的对比分析,证明采用IHMM方法的车辆行驶轨迹预测精度和算法效率更高。 展开更多
关键词 车辆行驶轨迹 交通卡口数据 改进型隐马尔可夫模型 通勤车辆
在线阅读 下载PDF
长距离双尺度的Transformer短时交通流预测模型
12
作者 张建华 温政龙 《重庆交通大学学报(自然科学版)》 北大核心 2025年第8期99-107,共9页
交通流预测作为智能交通系统的核心技术,其核心挑战在于如何有效建模交通数据中复杂的时空依赖性。当前主流模型(基于图神经网络和注意力机制)存在两大局限:①节点相似度计算受交通波动的时间错位影响,导致具有延迟传播特性的相似节点... 交通流预测作为智能交通系统的核心技术,其核心挑战在于如何有效建模交通数据中复杂的时空依赖性。当前主流模型(基于图神经网络和注意力机制)存在两大局限:①节点相似度计算受交通波动的时间错位影响,导致具有延迟传播特性的相似节点被误判;②空间特征提取未能协同捕获交通流的宏观规律(如周期性出行模式)与微观动态(如突发拥堵、交通事故等)。基于此,提出了LDFormer模型,引入动态时间规整(DTW)算法重构节点相似性度量,消除了传播延迟导致的时空偏差;同时设计了双通道空间建模机制,通过M_(glo)、M_(mic)可学习掩码矩阵分别对注意力生成的空间依赖关系进行宏观-微观特征的捕捉。通过3个基准数据集上的实验表明:该模型显著优于现有的时空预测方法。 展开更多
关键词 交通工程 交通流预测 双尺度 注意力机制 时间序列聚类
在线阅读 下载PDF
基于Attention-T-GRU的短时交通流预测
13
作者 张玺君 苏晋 +2 位作者 陈宣 尚继洋 崔勇 《兰州理工大学学报》 北大核心 2025年第4期107-113,共7页
针对路网中交通流较大的关键路段需要准确的交通流预测结果,在考虑交通流时空相关性的基础上,选取预测道路的同向相邻道路,提出单条路段的短时交通流预测组合模型.首先,根据研究道路与其上下游道路的相关性构建速度矩阵;其次,将速度矩... 针对路网中交通流较大的关键路段需要准确的交通流预测结果,在考虑交通流时空相关性的基础上,选取预测道路的同向相邻道路,提出单条路段的短时交通流预测组合模型.首先,根据研究道路与其上下游道路的相关性构建速度矩阵;其次,将速度矩阵输入注意力机制网络提取道路之间的空间联系;最后,将注意力机制输出的数据分解为若干个序列T输入GRU网络中提取时间序列特征,构成ATGRU(Attention-T-GRU)组合模型完成路网的短时交通流预测.使用西安市的交通流数据对提出的ATGRU组合模型进行验证,结果表明,ATGRU模型相比T-LSTM、CNN-LSTM及ACGRU等模型有更高的预测精度. 展开更多
关键词 短时交通流预测 时空特性 注意力机制 组合模型
在线阅读 下载PDF
考虑天气因素的交通状态预测模型
14
作者 张丽莉 王一帆 《交通科技与经济》 2025年第4期31-37,共7页
为精准预测道路交通状态,缓解交通拥堵,提出一种融合天气因素的交通状态预测模型。首先,引入天气参数,通过K-Prototypes算法对交通状态进行分级,提高拥堵状态分类的精细度。其次,通过引入分段线性混沌映射、改进收敛因子、结合权重系数... 为精准预测道路交通状态,缓解交通拥堵,提出一种融合天气因素的交通状态预测模型。首先,引入天气参数,通过K-Prototypes算法对交通状态进行分级,提高拥堵状态分类的精细度。其次,通过引入分段线性混沌映射、改进收敛因子、结合权重系数的自适应位置更新策略,深度优化灰狼优化算法(IGWO),构建基于改进灰狼优化算法的长短时记忆模型(IGWO-LSTM)。最后,预测短时交通特征参数,计算交通特征参数预测值所属的交通状态,完成交通状态预测模型的构架。结果表明,与LSTM、PSO-LSTM、GA-LSTM、GWO-LSTM预测模型相比,IGWO-LSTM在平均车速、车流量、占有率的预测中误差最小。综合交通特征参数预测值进行交通状态预测,准确率达到96.7%,相较于不考虑天气因素的预测模型,精度提升9.3%,且表现出稳定的预测性能和良好的泛化能力,能有效预测短时交通状态。 展开更多
关键词 智能交通 交通状态预测 长短时记忆神经网络 灰狼优化算法 K-Prototypes算法
在线阅读 下载PDF
融合复杂外部因素的轨道交通客流多步预测方法
15
作者 赵莉 《市政技术》 2025年第8期145-151,共7页
由于环境因素、节假日及大型活动等外部因素带来的高度非线性和不确定性,使得预测轨道交通网络的多粒度动态客流是一项极具挑战的任务。为此,开发能够应对此类复杂问题的高精度预测模型至关重要。提出一种融合复杂外部因素的轨道交通客... 由于环境因素、节假日及大型活动等外部因素带来的高度非线性和不确定性,使得预测轨道交通网络的多粒度动态客流是一项极具挑战的任务。为此,开发能够应对此类复杂问题的高精度预测模型至关重要。提出一种融合复杂外部因素的轨道交通客流多步预测模型(STEF-GCN模型),该模型深度融合具有强相关性的复杂外部因素,并考虑轨道交通客流数据的时空相关性。研究结果表明,STEF-GCN模型性能显著优于其他基线模型,具体表现为:在短期与长期预测中均能实现高精度,在短期预测中其RMSE值和MAE值分别降低了8.60%~63.80%和10.05%~66.90%;模型能够更好地预测客流峰值与低谷值,把握客流的波动性;对突发情况引发的客流波动具有更强适应能力,且抗干扰性能优异。该模型有望辅助轨道交通运营方制定科学决策,提升服务效率。 展开更多
关键词 轨道交通 客流预测 复杂外部因素 深度学习 时空特征
在线阅读 下载PDF
基于GM(1,1)修正模型的轨道交通长期客流预测
16
作者 王雅慧 潘灿林 张腾 《河南科技学院学报(自然科学版)》 2025年第1期91-100,共10页
目的准确预测轨道交通长期客流对轨道交通运输管理、规划及建设进行指导.方法以新乡市为例,对该市2007—2022年铁路客流进行统计、分析,建立GM(1,1)灰度模型进行客流量预测.考虑到新冠疫情的影响,将原始数据进行分类分析.分别针对包含... 目的准确预测轨道交通长期客流对轨道交通运输管理、规划及建设进行指导.方法以新乡市为例,对该市2007—2022年铁路客流进行统计、分析,建立GM(1,1)灰度模型进行客流量预测.考虑到新冠疫情的影响,将原始数据进行分类分析.分别针对包含疫情数据与剔除疫情数据的客流信息建立GM(1,1)灰色模型进行客流预测,并对剔除疫情数据的模型预测结果进行两次残差修正,得出预测结果,最后通过残差检验及后验差检验对各模型预测结果进行精度校验.结果实验证明由于GM(1,1)灰度模型的线性特征,疫情影响下的数据波动影响到模型预测,而剔除疫情影响年份的数列在模型中平均预测精度达96.59%,经过二次修正后预测精度提高0.29%,具有较好的预测效果.结论该模型对轨道列车长期客流预测有较好的适应性,能够为轨道交通建设提供一定的交通需求分析依据. 展开更多
关键词 长期客流量预测 GM(1 1)灰度模型 残差修正 精度检验
在线阅读 下载PDF
基于小波降噪与WOA⁃Bi⁃LSTM的短时交通流预测 被引量：1
17
作者 贾现广 苏治文 +1 位作者 冯超琴 吕英英 《现代电子技术》 北大核心 2025年第14期77-84,共8页
交通流数据中异常数据波动作为噪声,会对模型训练收敛以及预测精度产生不利影响。为解决该问题,引入两种不同阈值函数的小波阈值去噪方法对交通流数据进行降噪处理,将小波阈值去噪(WD)、鲸鱼优化算法(WOA)和双向长短期记忆网络(Bi-LSTM... 交通流数据中异常数据波动作为噪声,会对模型训练收敛以及预测精度产生不利影响。为解决该问题,引入两种不同阈值函数的小波阈值去噪方法对交通流数据进行降噪处理,将小波阈值去噪(WD)、鲸鱼优化算法(WOA)和双向长短期记忆网络(Bi-LSTM)相结合,提出一种WD-WOA-Bi-LSTM方法。首先,将两种方法降噪后的交通流数据进行对比,并将降噪效果更好的数据进行归一化处理、数据集划分以及数据维度转换;然后,通过WOA对Bi-LSTM部分超参数进行寻优,迭代至最优适应度的超参数组合,并用于构建Bi-LSTM;最后,应用英格兰公路交通流数据验证所提模型。结果表明:WDWOA-Bi-LSTM方法相较WOA-Bi-LSTM和WD-Bi-LSTM,RMSE降低12.5004%和3.9789%;MAE降低21.7350%和4.7225%;MAPE降低38.5647%和10.8652%。该模型相比其他模型评价指标均为最低,具有较高的预测精度,可以为高精度的短时交通流预测提供参考。 展开更多
关键词 智能交通 短时交通流预测 小波阈值去噪 鲸鱼优化算法 双向长短期记忆网络 深度学习 超参数寻优
在线阅读 下载PDF
融合注意力与时空图卷积网络的交通流量预测 被引量：4
18
作者 唐继强 张远琼 +1 位作者 邹兴悦 邱凌 《昆明理工大学学报(自然科学版)》 北大核心 2025年第1期178-185,共8页
交通流量预测是交通领域的重要研究课题,虽然深度学习在实践中展现出良好的预测效果,但现有方法尚未充分考虑交通数据的时空依赖性.为解决这一问题,提出了一种融合多种注意力与时空图卷积网络(HASTGCN)模型.该模型由若干个ST Block组成... 交通流量预测是交通领域的重要研究课题,虽然深度学习在实践中展现出良好的预测效果,但现有方法尚未充分考虑交通数据的时空依赖性.为解决这一问题,提出了一种融合多种注意力与时空图卷积网络(HASTGCN)模型.该模型由若干个ST Block组成,每个模块由注意力机制层和时空图卷积层构成.注意力机制层捕获交通数据的动态时空相关性,时空图卷积层捕获空间模式和时间特征.在PEMS公开数据集上进行实验,大量实验结果表明,HASTGCN模型的预测性能明显优于此前提出的方法,提升了交通流量预测的准确性和可靠性. 展开更多
关键词 交通流量预测 注意力 GCN 时空相关性
原文传递
考虑时间周期的图神经网络地铁客流预测 被引量：5
19
作者 钱汉强 时玥 +1 位作者 陈艳艳 王嘉晨 《长安大学学报(自然科学版)》 北大核心 2025年第2期154-164,共11页
为了准确预测地铁进出站客流,提出一种基于深度学习算法的图神经时空网络(GNSTNet)地铁客流预测模型,该模型以历史24 h地铁进出站客流、天气和时间标签数据为输入,预测未来1 h内全网每个站点的进出站客流量,通过逐小时站点进出站客流和... 为了准确预测地铁进出站客流,提出一种基于深度学习算法的图神经时空网络(GNSTNet)地铁客流预测模型,该模型以历史24 h地铁进出站客流、天气和时间标签数据为输入,预测未来1 h内全网每个站点的进出站客流量,通过逐小时站点进出站客流和地铁网络邻接矩阵构建地铁客流时空图;在GNSTNet模型中,利用图神经网络提取每一时间步的空间维度特征,通过傅里叶变换提取时间序列潜在周期性,并使用卷积神经网络提取时间维度的特征。研究结果表明:在北京地铁2021年6月的数据集中,基于图神经网络的地铁客流预测模型取得了比6种基准模型更高的预测精度;相较于精度最高的基准模型,平均绝对误差平均减少了14.97%,均方根误差平均减少了13.35%;基于图神经网络的地铁客流预测模型通过融合图神经网络、傅里叶变换和卷积神经网络,相较于传统算法有效地提升了对于全网地铁进出站客流量的预测精度。 展开更多
关键词 交通工程 客流预测 图神经网络 地铁 深度学习
原文传递
面向高速公路非检测点位的全域交通状态预测方法 被引量：3
20
作者 王亦兵 胡然 +5 位作者 余宏鑫 李嘉恒 张玉杰 徐志刚 何兆成 陆启荣 《交通运输工程学报》 北大核心 2025年第1期274-294,共21页
针对既有高速公路交通状态预测研究较少考虑非检测点位和道路拓扑变化的问题,分析了现有研究方法的局限性,提出了一种结合宏观交通流模型、扩展卡尔曼滤波、数据驱动长短时记忆网络(LSTM)的交通状态预测方法,充分发挥机器学习在时域特... 针对既有高速公路交通状态预测研究较少考虑非检测点位和道路拓扑变化的问题,分析了现有研究方法的局限性,提出了一种结合宏观交通流模型、扩展卡尔曼滤波、数据驱动长短时记忆网络(LSTM)的交通状态预测方法,充分发挥机器学习在时域特征表达与可信交通流模型在空间动态跟踪上的优势;基于有限检测点位的流量和速度数据,构建了高速公路网络交通流体模型(METANET)并完成全局模型参数和基本图参数标定,设计了基于METANET和扩展卡尔曼滤波的交通状态估计器,继而训练机器学习模型实现全部检测点位的交通状态预测,并驱动交通状态估计器实现全域交通状态预测。研究结果表明:本文提出的交通状态预测方法能够显著提升高速公路的流量和速度预测精度,其中5 min流量和速度预测平均绝对百分比误差为6.92%和5.29%,相比基线方法分别改善29.62%和24.28%;30 min流量和速度预测平均绝对百分比误差为10.02%和8.62%,相比基线方法分别改善24.84%和15.87%;本文方法充分考虑了出入口匝道流量对主线交通状态的影响,也明显改善了主线流量预测性能。 展开更多
关键词 智能交通系统 交通状态预测 融合物理模型的机器学习 非检测点位 卡尔曼滤波 高速公路
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 52 下一页 到第 页
使用帮助 返回顶部