融合外部属性与时空特征的交通速度多步短时预测
李之红1
赵霞1
石卓雅1
唐嘉立2
袁振洲3
张依1
高源1
1.北京建筑大学 人工智能+研究院,北京 1026162.江西省交通监控指挥中心,南昌 3300363.北京交通大学 交通运输学院,北京 100044
摘要：针对高速公路交通速度受沿线用地性质、天气、交通流量等多种外部因素共同作用且呈现非线性时空差异性的问题,提出一种融合外部属性与时空特征的交通速度多步短时预测模型WP-STGCN-GRU.首先,基于时空图卷积网络(Spatial-Temporal Graph Convolutional Network,STGCN)与门控循环单元(Gated Recurrent Unit,GRU)构建时空预测框架,通过加权邻接矩阵刻画高速公路各路段之间的空间关联,以捕捉交通速度的时空依赖关系.其次,引入天气和兴趣点特征(Point of Interest,POI),构建速度属性增强单元,在扩展速度特征维度的基础上强化外部信息对速度变化模式的表达能力,实现交通速度的精准预测.最后,开展包括基线对比和消融实验在内的性能评估.实验结果表明:所提模型动态融入天气、POI等外部属性,可显著提升交通速度的单步和多步预测性能,与基线模型相比,所提模型单步预测平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RMSE)分别降低了14.1%和14.8%以上,多步预测MAE和RMSE分别降低了4%和14%以上;在15分钟预测任务中,相较于仅引入单一外部属性,融合两类外部属性后模型的MAE和RMSE分别降低23.0%和17.8%,其中天气信息对预测性能的提升作用更为显著,且二者具有明显的互补性.研究成果可服务于高速公路车速预测任务,为更好保障高速公路行车安全以及提升其智慧管理水平提供参考.
关键词：交通运输规划与管理速度预测深度学习时空图卷积网络外部属性融合
分类号：U491(交通工程与公路运输技术管理)
论文发表日期：2025-12-30
在线出版日期：2026-02-02（本平台首次上网日期，不代表文献的发表时间）
页数：11( 126-136 )
英文信息