基于时空特征融合的短时交通流预测

作者：刘雄; 李桂梅^*; 吴学琛; 蔡小雨; 黄佳辉; 周诗怡

来源：湖南师范大学自然科学学报, 2023, 46(02): 137-142.

• 短时交通流预测
• 时空特征融合
• 点互信息
• 长短时记忆网络

城市道路交通拥堵加大碳排放和空气环境污染问题，短时交通流量预测能够有效缓解交通堵塞。本文提出一种基于时空特征融合的短时交通流预测模型。该模型通过点互信息(PMI)算法对监测站点做相关性分析，确定相关性较高站点，并将其交通数据处理成周期性序列和邻近序列；引入长短时记忆(LSTM)网络提取时间特征构建相关模型，完成时间和空间特征的融合；引进绝对误差序列分析优化模型，得到最终预测结果。本研究以长沙橘子洲大桥作为目标站点，大桥两端各个主要交通路口作为监测站点，利用各个站点的交通流数据集对模型进行验证。研究结果表明：该预测模型优于传统反向传播神经(BP)网络模型和LSTM模型，在平均绝对百分误差(MAPE)指标上，该模型相较于BP和LSTM分别降低3.12%和1.58%,在均方根误差(RMSE)指标上，该模型分别降低了8.45和3.34,为解决交通拥堵和减少碳排放问题提供了一定的参考。

• 单位
  湖南工商大学; 湖北大学