-
题名基于图卷积神经网络的城市交通流量预测研究
- 1
-
-
作者
林海
-
机构
湛江幼儿师范专科学校
-
出处
《交通工程》
2026年第2期89-96,103,共9页
-
基金
广东省学习型社会建设(继续教育)质量提升工程项目“基于‘核心价值观培育’的终身教育新工科学历课程思政融入教学改革”(JXJYGC2024G317)
湛江幼儿师范专科学校产教研融合创新平台项目“基于AIBC技术的沉浸式科普体验创新平台”(ZY24PYPT03)。
-
文摘
交通流量预测是智能交通系统的核心组成部分,对于缓解交通拥堵、优化路径规划和提高交通效率具有重要意义。传统交通预测方法难以充分捕捉复杂路网中的空间依赖性和时间动态特征。本文提出一种基于图卷积神经网络(GCN)的城市交通流量预测模型TrafficGCN,将城市道路网络建模为图结构,利用图卷积操作有效提取路网拓扑特征。该模型在美国加州路网中24条路段的流量数据集上进行了验证,实验结果表明,TrafficGCN能准确捕捉交通流量的时空变化规律,与传统方法相比,在准确性和稳定性方面均有显著提升,为智能交通系统提供了可靠的决策支持。
-
关键词
图卷积神经网络
交通流量预测
智能交通系统
空间—时间依赖性
trafficgcn
-
Keywords
graph convolutional neural networks
traffic flow prediction
intelligent transportation systems
spatial-temporal dependency
trafficgcn
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
