智能网联环境下城市道路多源交通数据补全方法 被引量：2

1

作者 王庞伟 何昕泽 +3 位作者 张龙 董航瑞 王力 张名芳 《中国公路学报》 北大核心 2025年第1期281-293,共13页

交通状态补全方法能够为交通管理系统提供完备的全息交通路网信息,为制定城市信控策略,动态均衡交通流提供数据支持。基于智能网联技术实时获取多源交通数据优势,提出一种基于图卷积神经网络的实时交通状态补全方法。首先,构建了一种“... 交通状态补全方法能够为交通管理系统提供完备的全息交通路网信息,为制定城市信控策略,动态均衡交通流提供数据支持。基于智能网联技术实时获取多源交通数据优势,提出一种基于图卷积神经网络的实时交通状态补全方法。首先,构建了一种“端-边-云”信息交互架构的全息交通感知系统,可实现多源交通数据的特征级融合;其次,根据路网拓扑关系构建路网无向图模型,应用异常数据辨识与插补方法对原始数据进行修正构成有效数据集,并根据实际路网时空关系确定补全网络隐藏层权重;然后,通过图卷积交叉口临近关系与交通状态,将原始数据映射至空间维度,从而完成交叉口特征的空间聚类,同时由门控循环单元在时间序列上游走记忆,提取数据时间维度特征,完成状态数据补全计算;最后,在北京市高级别自动驾驶示范区选取典型智能网联交叉口群,对该方法进行实地测试。研究结果表明:长时序数据下,方法有效补全结果与真实值误差不高于10.64%,综合性能较长短期记忆神经网络等现有方法的均方根误差降低17.2%。该补全方法为未来智能网联环境下交通全息感知技术应用提供了理论基础和实现方案。 展开更多

关键词 交通工程 交通数据补全 图卷积神经网络 长短期记忆神经网络 边缘计算 智能网联交通

原文传递

基于时空矩阵分解的路网交通数据修复方法

2

作者 许伦辉 许润南 《广西师范大学学报(自然科学版)》 北大核心 2025年第2期20-29,共10页

针对城市路网交通数据缺失问题,综合考虑交通数据客观存在的时空特性,本文提出一种基于时空矩阵分解(spatial-temporal matrix factorization,STMF)的路网交通数据修复方法。首先依据路网时空属性,将多维交通数据处理为二维矩阵形式,将... 针对城市路网交通数据缺失问题,综合考虑交通数据客观存在的时空特性,本文提出一种基于时空矩阵分解(spatial-temporal matrix factorization,STMF)的路网交通数据修复方法。首先依据路网时空属性,将多维交通数据处理为二维矩阵形式,将其分解为空间特征矩阵和时间特征矩阵,并通过低秩近似的方式重构不完整交通数据矩阵,实现缺失数据的基本修复。然后,利用图拉普拉斯(graph Laplacian,GL)和门控循环网络(gated recurrent network,GRN)分别作为空间和时间正则器,进一步挖掘路网交通数据的空间结构关联特性和时间依赖特性,有效提高路网交通数据的修复精度。最后,采用洛杉矶交通速度数据集(Metr-LA)和广州交通数据集(Guangzhou-D)对STMF模型的性能与GAIN、BGCP、BTMF、LRTC-TNN和HaLRTC等基准模型进行对比,实验结果表明,本文提出的基于时空矩阵分解STMF模型相比基准模型,能更好地适应不同的缺失场景和不同的缺失率,缺失数据修复性能具有更好的鲁棒性。 展开更多

关键词 智能交通 数据修复 矩阵分解 交通数据 图拉普拉斯 门控循环网络

在线阅读 下载PDF 职称材料

基于时空动态图的交通流量预测方法研究

3

作者 孟祥福 谢伟鹏 崔江燕 《智能系统学报》 北大核心 2025年第4期776-786,共11页

为改进现有交通流量预测方法在建模时空数据和捕捉动态空间相关性方面的不足,提出了一种时空动态图卷积网络(spatio-temporal dynamic graph network,STDGNet)。该模型采用带嵌入层的编码器–解码器架构,通过动态图生成模块从数据驱动... 为改进现有交通流量预测方法在建模时空数据和捕捉动态空间相关性方面的不足,提出了一种时空动态图卷积网络(spatio-temporal dynamic graph network,STDGNet)。该模型采用带嵌入层的编码器–解码器架构,通过动态图生成模块从数据驱动的角度挖掘潜在的时空关系,并重构每个时间步的节点动态关联图。嵌入层使用时空自适应嵌入方法建模交通数据的内在时空关系和时间信息;编码器部分利用时空记忆注意力机制,从全局视角对时空特征进行建模;解码器部分将图卷积模块注入循环神经网络中,以同时捕捉时间和空间依赖关系,并输出未来流量情况。实验结果表明,所提模型与最优基线模型解耦动态时空图神经网络(decoupled dynamic spatial-temporal graph neural network,D2STGNN)相比,平均绝对误差降低了1.63%,模型训练时间缩短了近2.5倍。本研究有效提升了交通流量预测的准确性与效率,为智能交通系统的建设提供了有力支撑。 展开更多

关键词 交通流量 时空数据 混合模型 注意力机制 时空动态图 图卷积神经网络 循环神经网络 深度学习

在线阅读 下载PDF 职称材料

多特征融合时空图卷积的高速公路交通流量预测

4

作者 唐进君 段一鑫 +2 位作者 商淑杰 王骋程 陈群 《公路交通科技》 北大核心 2025年第6期22-31,共10页

【目标】精准的交通流量预测是实现高速公路主动管控的基础,但现有方法因忽略交通流时空相关性及天气等外部特征影响,导致预测精度和稳定性不足。为充分挖掘交通流量与外部特征的内在联系以及交通流复杂的时空关联性,提出一种基于特征... 【目标】精准的交通流量预测是实现高速公路主动管控的基础,但现有方法因忽略交通流时空相关性及天气等外部特征影响,导致预测精度和稳定性不足。为充分挖掘交通流量与外部特征的内在联系以及交通流复杂的时空关联性,提出一种基于特征融合的时空图卷积网络(FSTGCN)交通流量预测模型。【方法】通过FSTGCN构建一种融合交通流量与外部特征的特征卷积网络,并将其应用到特征模块中来捕捉交通流量与外部特征的关联性,同时使用基于图卷积网络的空间模块来挖掘交通流量的空间关联性,最后将特征模块和空间模块的输出连接起来输入到基于门控循环单元的时间模块中来学习交通流量中的时间相关性。【结果】基于山东省高速公路实测数据的试验表明,FSTGCN在长期预测任务中精度显著优于主流基准模型,且在短期和长期预测中均表现出更优的稳定性。消融试验验证了特征模块、时间模块和空间模块对预测性能的积极贡献,极端误差对比表明FSTGCN模型具备较强的鲁棒性,同时训练效率验证了其在实际部署中的可行性。【结论】FSTGCN通过融合多源外部特征与时空关联性建模,有效解决了高速公路交通流量预测的精度与稳定性问题。 展开更多

关键词 智能交通 交通流量预测 图卷积网络 ETC门架数据 特征融合

原文传递

基于图数据模型的智能调度集中系统研究

5

作者 赵宏涛 王振东 +2 位作者 周晓昭 齐威 曹桢 《铁道标准设计》 北大核心 2025年第5期170-176,201,共8页

智能调度集中系统是高速铁路行车指挥控制的核心。针对既有系统关系型数据模型在大数据背景下存在的数据处理性能和业务表达技术瓶颈,并统筹考虑系统数据多元化和操作智能化需求,设计基于图数据模型的智能调度集中系统。首先分析图数据... 智能调度集中系统是高速铁路行车指挥控制的核心。针对既有系统关系型数据模型在大数据背景下存在的数据处理性能和业务表达技术瓶颈,并统筹考虑系统数据多元化和操作智能化需求,设计基于图数据模型的智能调度集中系统。首先分析图数据模型与智能调度集中系统的适配性问题,给出图数据模型形式化描述;其次构建包含原生图存储结构的数据层、向上提供数据解耦的适配层以及完成调度主业的业务层的三层系统架构;然后根据行车运输业务中的图数据节点约束要求,明确模型中节点、边以及两者之间关系;最后利用图数据库免索引连接机制,制定保证数据关联分析和检索能力的底层数据多联存储方案。仿真实验表明,相对关系型数据模型,基于图数据模型的智能调度集中系统数据设计方案在不显著增加启动阶段和计算波谷阶段运行压力的前提下,获得理论分析环境中10倍以上的计算波峰阶段路径查询性能提升以及模拟环境典型场景下80%以上计算量减少的效果;此外,路径检索遍历独立于图数据规模,在涉及深链查询场景下,关联跳数越多,图数据模型的性能优势越显著。研究成果为智能调度大数据的检索、处理、融合、挖掘以及业务驱动提供设计参考和技术支持。 展开更多

关键词 高速铁路 调度集中系统 系统架构 图数据模型 边 节点

在线阅读 下载PDF 职称材料

基于深度学习的短时交通速度预测模型

6

作者 单宇飞 王海起 +2 位作者 王增光 刘峰 李发东 《计算机工程与设计》 北大核心 2025年第9期2618-2624,共7页

针对现有短时交通预测模型主要关注交通速度,忽视时段特性、天气和道路结构等因素的问题,提出了基于多源数据的动态时空图卷积神经网络模型(MDSCNN)。该模型全面整合多源特征矩阵、邻接矩阵和相似矩阵,通过梯度下降法构建可更新混合矩阵... 针对现有短时交通预测模型主要关注交通速度,忽视时段特性、天气和道路结构等因素的问题,提出了基于多源数据的动态时空图卷积神经网络模型(MDSCNN)。该模型全面整合多源特征矩阵、邻接矩阵和相似矩阵,通过梯度下降法构建可更新混合矩阵,结合图卷积、长短期记忆网络和注意力机制,进行多时段短时交通速度预测。多个数据集的实验结果表明,MDSCNN在各方面均优于其它模型,并通过外源因素对比实验验证了多源数据的引入能够有效提升预测准确性。 展开更多

关键词 智能交通 短时交通速度预测 多源数据 可更新混合矩阵 图卷积网络 长短期记忆网络 注意力机制

在线阅读 下载PDF 职称材料

基于缺失数据的交通速度预测算法 被引量：1

7

作者 黄坤 孙未未 《计算机科学》 CSCD 北大核心 2024年第3期72-80,共9页

交通速度预测是智能交通系统的基础,可以缓解交通拥堵,节约公共资源,提高人们的生活质量。在真实情况下,采集到的交通速度数据通常存在缺失,而现有研究成果大多数只考虑了数据相对完整的场景。文章主要针对缺失场景下的交通速度数据进... 交通速度预测是智能交通系统的基础,可以缓解交通拥堵,节约公共资源,提高人们的生活质量。在真实情况下,采集到的交通速度数据通常存在缺失,而现有研究成果大多数只考虑了数据相对完整的场景。文章主要针对缺失场景下的交通速度数据进行研究,捕捉其中的时空相关性,并对未来交通速度进行预测。为了充分利用到交通数据的时空特征,提出了一种新的基于深度学习的交通速度预测模型。首先,提出了“还原-预测”算法,先使用自监督学习方法让模型还原缺失数据,再对交通速度进行预测;其次,引入了对比学习的方法,使得速度时间序列的特征表示更鲁棒;最后,模拟了不同数据缺失率的场景,通过实验验证了所提方法在各种缺失率下的预测准确率都优于现有方法,并设计了实验对对比学习方法和不同的还原算法进行分析,证明了所提方法的有效性。 展开更多

关键词 交通速度预测 缺失数据还原 图神经网络 对比学习 深度学习

在线阅读 下载PDF 职称材料

知识图谱和表示学习在道路交通事故数据挖掘中的应用 被引量：5

8

作者 于德新 彭万里 +2 位作者 吴新程 陈云结 刘晓佳 《安全与环境学报》 CAS CSCD 北大核心 2024年第10期3950-3958,共9页

交通安全领域数据量庞大且蕴含丰富的语义信息,从海量道路交通事故数据中挖掘潜在的价值信息可为交通事故预防和智能研判提供支撑。然而,传统的事故分析方法在处理复杂且多语义交叉的事故数据时,存在一定的局限性。研究提出了一种基于... 交通安全领域数据量庞大且蕴含丰富的语义信息,从海量道路交通事故数据中挖掘潜在的价值信息可为交通事故预防和智能研判提供支撑。然而,传统的事故分析方法在处理复杂且多语义交叉的事故数据时,存在一定的局限性。研究提出了一种基于知识图谱和知识表示学习的事故数据挖掘方法。通过翻译距离嵌入(Translating Embedding,TransE)模型对道路交通事故知识图谱进行表示学习,将事故实体和致因关系映射到向量空间,并在向量匹配运算中捕捉向量之间的语义信息,进而挖掘潜在的交通事故信息。研究采用真实的事故数据进行试验验证,结果表明所提方法具有较高的准确率和较强的语义解析性能,可为道路交通事故碎片化信息的最大化利用提供新的方法和思路。 展开更多

关键词 安全工程 交通安全 道路交通事故 知识图谱 表示学习 数据挖掘与知识发现

原文传递

基于时空Transformer的多空间尺度交通预测模型

9

作者 张悦 张磊 +2 位作者 刘佰龙 梁志贞 张雪飞 《计算机工程与科学》 CSCD 北大核心 2024年第10期1852-1863,共12页

准确的交通预测对提高智能交通系统的效率至关重要。交通系统的空间依赖不仅体现在道路的相连关系上,更重要的是由道路属性、区域功能等因素形成的隐藏空间依赖。另外,交通数据之间的时间依赖具有严格的相对位置关系,忽略这一问题将难... 准确的交通预测对提高智能交通系统的效率至关重要。交通系统的空间依赖不仅体现在道路的相连关系上,更重要的是由道路属性、区域功能等因素形成的隐藏空间依赖。另外,交通数据之间的时间依赖具有严格的相对位置关系,忽略这一问题将难以实现准确的交通预测。为了解决这些问题,提出了一种基于时空Transformer的多空间尺度交通预测模型(MSS-STT)。MSS-STT使用多个特定的Transformer网络对不同的空间尺度建模,以捕捉隐藏空间依赖,同时使用图卷积网络来学习静态空间特征。接着,使用门控机制将不同空间尺度的空间依赖与静态空间特征根据各自对预测的重要性进行融合。最后,根据时间序列中不同相对位置对预测的不同贡献来提取不同的时间依赖关系。在PeMS数据集上的实验结果表明,MSS-STT优于最先进的基线。 展开更多

关键词 交通数据预测 时空依赖 时空Transformer 图神经网络

在线阅读 下载PDF 职称材料

基于多尺度时空图卷积网络的交通出行需求预测 被引量：1

10

作者 李欢欢 黄添强 +2 位作者 丁雪梅 罗海峰 黄丽清 《计算机应用》 CSCD 北大核心 2024年第7期2065-2072,共8页

满足公众高质量出行需求是智能交通系统(ITS)的主要挑战之一。目前,针对公共交通出行需求预测问题,现有模型大多采用固定结构的图描述出行需求的空间相关性,忽略了出行需求在不同尺度下具有不同的空间依赖关系。针对上述问题,提出一种... 满足公众高质量出行需求是智能交通系统(ITS)的主要挑战之一。目前,针对公共交通出行需求预测问题,现有模型大多采用固定结构的图描述出行需求的空间相关性,忽略了出行需求在不同尺度下具有不同的空间依赖关系。针对上述问题,提出一种多尺度时空图卷积网络(MSTGCN)模型。该模型首先从全局尺度和局部尺度构建全局需求相似图和局部需求相似图,这2种图可以捕获公共交通出行需求长期内较为稳定的全局特征和短期内动态变化的局部特征。利用图卷积网络(GCN)提取2种图中的全局空间信息和局部空间信息,并引入注意力机制融合两种空间信息。为了拟合时间序列中潜藏的时间依赖关系,利用门控循环单元(GRU)捕捉公共交通需求的时变特征。采用纽约市出租车订单数据集和自行车订单数据集进行实验,结果表明MSTGCN模型在自行车订单数据集上均方根误差(RMSE)、平均绝对误差(MAE)和皮尔逊相关系数(PCC)达2.7886、1.7371、0.7992,在出租车订单数据集上RMSE、MAE、PCC达9.5734、5.8612、0.9631。可见,MSTGCN模型可以有效地挖掘公共交通出行需求的多尺度时空特性,对未来公共交通出行需求进行准确预测。 展开更多

关键词 公共交通出行需求预测 图卷积网络 时空数据挖掘 注意力机制 深度学习 智能交通系统

在线阅读 下载PDF 职称材料

动态路网下城市交通事故风险预测模型研究与实现 被引量：3

11

作者 董婉青 赵子榕 +2 位作者 廖惠敏 肖晖 张晓亮 《计算机科学》 CSCD 北大核心 2024年第S01期1191-1200,共10页

通过图卷积神经网络对交通事故进行风险预测是交通领域的研究热点。然而,现有的使用图卷积神经网络对交通事故进行风险预测的研究存在着缺乏语义邻接性的构造、无法进行图权重的自适应学习的问题。针对以上问题,文中基于多源交通大数据... 通过图卷积神经网络对交通事故进行风险预测是交通领域的研究热点。然而,现有的使用图卷积神经网络对交通事故进行风险预测的研究存在着缺乏语义邻接性的构造、无法进行图权重的自适应学习的问题。针对以上问题,文中基于多源交通大数据,构建了数据驱动的多粒度、多视角的时空拓扑图,实现了交通网络中时空关联性和依赖性的精准建模。图上的结点从时间和空间两个维度对路段结点的交通状态进行综合描述,边则从地理邻接性和语义邻接性两个视角表现了路段之间的抽象邻接关系。在时空拓扑图的基础上,文中设计了基于动态时空图网络的交通事故风险预测模型,实现了路段级交通事故风险的准确预测。该模型引入了具有多头注意力机制的空间图网络层对空间关联性进行学习,同时采用了基于一维扩张卷积的时间学习单元捕获短时依赖性与长时周期性。在北京地区的实际交通数据集上进行大规模实验,所提方法的召回率达到0.899,F1-Score达到0.860,其他指标与主流方法相比也均有所提升。 展开更多

关键词 交通事故风险预测 图神经网络 时空数据挖掘

在线阅读 下载PDF 职称材料

基于时空轨迹数据的交通流量的预警方法研究 被引量：2

12

作者 马勇 《自动化技术与应用》 2024年第4期138-141,共4页

为了完成交通流量的精准预警,提出一种基于时空轨迹数据的交通流量的预警方法。以路网约束为依据,提取时空轨迹数据特征。计算不同类型时空轨迹数据之间的时间和空间相似度,对其归一化处理,获取不同轨迹之间的时空距离,完成时空轨迹数... 为了完成交通流量的精准预警,提出一种基于时空轨迹数据的交通流量的预警方法。以路网约束为依据,提取时空轨迹数据特征。计算不同类型时空轨迹数据之间的时间和空间相似度,对其归一化处理,获取不同轨迹之间的时空距离,完成时空轨迹数据的聚类处理。将图卷积计算引入循环网络记忆单元,组建时空图卷积神经网络直接提取时空关联特征。通过图卷积神经网络构建交通流量预警模型。实验结果表明,所提方法可以以较快的速度和较高的精度完成交通流量预警。 展开更多

关键词 时空轨迹数据 交通流量预警 聚类处理 图卷积计算 卷积神经网络

在线阅读 下载PDF 职称材料

交通运输安全生产大数据分析研判系统研究与设计

13

作者 田乐 张唯伟 《交通节能与环保》 2024年第3期45-48,共4页

交通运输安全生产大数据分析研判系统以安全生产风险、隐患、信用、危险货物动态信息、监督检查记录等各类业务数据为基础,运用大数据分析、知识图谱等技术,构建企业安全用户画像,辅助交通安全生产监督管理人员直观、清晰地把握当前交... 交通运输安全生产大数据分析研判系统以安全生产风险、隐患、信用、危险货物动态信息、监督检查记录等各类业务数据为基础,运用大数据分析、知识图谱等技术,构建企业安全用户画像,辅助交通安全生产监督管理人员直观、清晰地把握当前交通运输行业安全生产态势,准确把握交通领域安全监管重点,科学制定交通安全监管计划,切实解决监管监督难以准确定位的难题,有效提高交通安全生产管理决策的科学性。 展开更多

关键词 交通安全生产 大数据分析 知识图谱 智能预测

在线阅读 下载PDF 职称材料

基于大数据分析的移动终端数据流量预测方法

14

作者 马振尧 郭少芳 《现代计算机》 2024年第22期151-154,159,共5页

移动数据流量受多种因素影响,如用户行为、网络状况、节假日效应等,呈现出高度的非平稳性,使得直接进行预测变得困难。为此,提出了基于大数据分析的移动终端数据流量预测方法。首先,利用皮尔逊相关系数精确衡量相邻时间序列之间的相关性... 移动数据流量受多种因素影响,如用户行为、网络状况、节假日效应等,呈现出高度的非平稳性,使得直接进行预测变得困难。为此,提出了基于大数据分析的移动终端数据流量预测方法。首先,利用皮尔逊相关系数精确衡量相邻时间序列之间的相关性,并绘制出直观的时序图,有效揭示了数据流量的动态变化规律和潜在趋势;然后,针对非平稳时间序列,引入移动平均概念提取关键时序特征,同时采用差分法对非平稳序列进行有效处理,确保数据平稳性;最后,在特征提取和流量预测阶段,运用了大数据技术,深入挖掘数据流量背后的复杂模式,实现了高精度预测。实验结果表明,该方法误差值仅为15 MB,预测结果较为精准。 展开更多

关键词 大数据分析 数据流量预测 预测方法 时间序列 时序图

在线阅读 下载PDF 职称材料

基于图正则化和Schatten-p范数最小化的交通数据恢复 被引量：4

15

作者 陈小波 梁书荣 +2 位作者 柯佳 陈玲 胡煜 《西南交通大学学报》 EI CSCD 北大核心 2022年第6期1326-1333,共8页

为充分利用交通数据低秩特性与局部近邻关系,准确恢复交通数据采集系统中的缺失数据,首先,应用基于核范数的低秩矩阵补全模型对交通数据矩阵进行预插补,以获得缺失值的初始估计,基于此,构建表征数据局部近邻结构的图模型;然后,提出融合... 为充分利用交通数据低秩特性与局部近邻关系,准确恢复交通数据采集系统中的缺失数据,首先,应用基于核范数的低秩矩阵补全模型对交通数据矩阵进行预插补,以获得缺失值的初始估计,基于此,构建表征数据局部近邻结构的图模型;然后,提出融合图正则化和Schatten-p范数最小化的交通数据缺失值恢复模型;进一步,提出基于交替方向乘子框架的优化算法,求解缺失值恢复的最优化问题,得到最终的数据恢复结果;最后,用实际的高速公路交通流量和速度数据比较多种方法的恢复误差,同时给出所提方法的参数敏感性分析.实验结果表明:在完全随机缺失、随机缺失和混合缺失模式下,缺失率为10%~50%时,相比于局部最小二乘、概率主成分分析和低秩矩阵补全等方法,基于图正则化和Schatten-p范数最小化的算法恢复误差降低了3.02%~28.49%. 展开更多

关键词 智能交通 数据恢复 Schatten-p范数 交通数据 图正则化

在线阅读 下载PDF 职称材料

基于时空融合图卷积的交通流数据修复方法 被引量：9

16

作者 侯越 韩成艳 +1 位作者 郑鑫 邓志远 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第7期1394-1403,共10页

为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法.该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数.将交通检测器的部署位... 为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法.该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数.将交通检测器的部署位置作为节点构成几何拓扑图,通过线性融合规则构建时空融合矩阵,替代图卷积输入层的邻接矩阵,捕获交通流细粒化的时空关系.利用轻量级一维卷积层学习多通道时序向量的时间特征,加快模型的收敛速度.利用图卷积层学习交通流数据的空间特征,构建时空融合图卷积网络修复模型.实验结果表明,与其他修复方法相比,该方法在多检测器场景中的修复精度和模型收敛速度均有所提升,可以有效地修复交通流缺失数据. 展开更多

关键词 交通工程 时空融合 交通流数据修复 图卷积网络 一维卷积

在线阅读 下载PDF 职称材料

图神经网络在交通预测中的应用综述 被引量：18

17

作者 户佐安 邓锦程 +1 位作者 韩金丽 袁凯 《交通运输工程学报》 EI CSCD 北大核心 2023年第5期39-61,共23页

为寻求提升交通预测时空计算任务性能的有效途径,探索图神经网络技术在交通预测中的应用前景和挑战,回顾了交通预测方法的发展,总结了模型驱动方法、统计模型、传统机器学习方法和深度学习方法的优势和局限性;阐述了图网络和交通网络的... 为寻求提升交通预测时空计算任务性能的有效途径,探索图神经网络技术在交通预测中的应用前景和挑战,回顾了交通预测方法的发展,总结了模型驱动方法、统计模型、传统机器学习方法和深度学习方法的优势和局限性;阐述了图网络和交通网络的适配性,归纳了图的构造方法;将应用于交通预测的数据进行了分类,分析了不同交通预测任务的共性与差异;归纳了常用于交通预测任务的图神经网络模型,包括卷积图神经网络、图注意网络、图自编码器和图时空网络,分析了图神经网络模型应用于交通预测时主要考虑的因素和时空模块;对比了多种交通速度预测方法的性能,分析了图神经网络框架中不同组件对其预测性能的影响;从数据多源性、应用多样性、多模式、动态性、模型可解释性、不确定性和小样本学习等多个角度探讨了基于图神经网络的交通预测面临的挑战和机遇,并针对图神经网络发展趋势提出了相关建议。研究结果表明:与只考虑时间相关性的基准模型相比,基于图神经网络的预测方法性能显著提升;多模式时间相关性、时空注意力机制、边特征、外部数据均会显著影响预测性能;图神经网络为建模交通网络复杂动态的时空相关性提供了有力手段,目前针对交通状态预测问题开发了多样化的模型;未来研究可重点从设计高效的动态时空模块集成架构、设计有效整合外部数据的模块、拓展多样化的应用任务、实现多模式交通同步预测、开发高效可靠和易于解释的模型等方面进行突破,实现预测准确性和效率均衡提升,以期发展更高阶段的智慧交通。 展开更多

关键词 智能运输系统 交通预测 多源数据 时空相关性 图神经网络

原文传递

基于图网络融合的交通状态预测方法研究 被引量：1

18

作者 徐东伟 商学天 +1 位作者 魏臣臣 彭航 《武汉理工大学学报（交通科学与工程版）》 2022年第2期195-200,共6页

文中考虑道路节点之间的时间相关性,利用皮尔逊相关性系数构建逻辑相关路网;通过图聚合算法聚合道路节点邻居信息,融合原始交通路网与逻辑相关路网提取的时空特征信息,以最小化损失函数为目标,返回最优模型参数,构建基于图网络融合的交... 文中考虑道路节点之间的时间相关性,利用皮尔逊相关性系数构建逻辑相关路网;通过图聚合算法聚合道路节点邻居信息,融合原始交通路网与逻辑相关路网提取的时空特征信息,以最小化损失函数为目标,返回最优模型参数,构建基于图网络融合的交通路网模型.采用西雅图高速路网速度数据集(seattle)和加州流量数据集(PEMS08)作试验验证,图网络融合模型提高了在交通状态预测精度.在短时交通状态预测中,Seattle的MAE指标为2.57、MAPE指标为6.48;PEMS08的MAE指标为14.23、MAPE指标为7.15;长时交通状态预测结果均优于LSTM、T-GCN等模型. 展开更多

关键词 智能交通 交通流预测 图网络 路网交通状态数据 特征融合 相关性网络

在线阅读 下载PDF 职称材料

图谱建模基础下海量网络流量的数据挖掘 被引量：2

19

作者 易灿 刘彦姝 《办公自动化》 2021年第10期24-25,共2页

随着移动网络流量数据在无线通信网络流量中的比例大幅增长,使其在语音通信业务逐渐饱和的趋势下,必须通过良好的互联网业务流量来进行网络端口的运营。文章首先对网络流量数据挖掘的重要意义进行说明;其次,通过分析用户网页浏览过程。... 随着移动网络流量数据在无线通信网络流量中的比例大幅增长,使其在语音通信业务逐渐饱和的趋势下,必须通过良好的互联网业务流量来进行网络端口的运营。文章首先对网络流量数据挖掘的重要意义进行说明;其次,通过分析用户网页浏览过程。创建出请求依赖图;最后,提出网络流量数据挖掘的有效识别算法,为流量挖掘提供图谱建模基础。 展开更多

关键词 图谱建模 流量识别 数据挖掘 移动终端

在线阅读 下载PDF 职称材料

基于自注意力机制与图自编码器的路网交通流数据修复模型 被引量：10

20

作者 张伟斌 张蒲璘 +1 位作者 苏子毅 孙锋 《交通运输系统工程与信息》 EI CSCD 北大核心 2021年第4期90-98,共9页

针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络。在该网络中使... 针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用LSTM(Long Short-Term Memory)网络学习数据中时序规律,通过注意力网络计算道路自注意力及一阶临近道路注意力系数,用图卷积网络对图信号重组,达到对缺失数据的精确修复。同时,采用多头自注意力网络计算数据的注意力权值并对数据重组,捕获交通流数据中的二阶及高阶临近道路空间关联性,提取已知数据与缺失数据的时间关系,以残差链的形式加入到模型中,作为对STGCN功能的补充。基于真实数据的实验表明,在多种缺失模式和缺失率下,该模型能够学习路网拓扑关系,捕获数据中的时间规律性和时空关联性,有效地修复缺失数据。 展开更多

关键词 智能交通 交通流数据修复 图卷积网络 城市路网交通流数据 自注意力机制

在线阅读 下载PDF 职称材料