科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决道路运行速度预测实际应用中数据缺失和预测精度低的问题，提出了一种基于时空图卷积的速度预测模型（STGCN）。通过引入时空图卷积机制来建模路网速度的时间依赖和空间依赖关系，可有效提取动态和多模态的路网速度时空依赖。针对工程应用中数据缺失问题，在深圳道路运行速度数据集上，基于均值、小波滤波和cart树分别对缺失数据进行补全，并在模型训练时采取掩码机制，增加可用的训练数据量，降低数据缺失对模型精度影响。模型预测结果表明，对于相同的数据集，与常见的FC-LSTM模型相比，STGCN模型可提升2.32%的预测精度，引入cart树进行缺失数据补全后速度预测误差降低3.45%，按照不同道路等级分类后分别对模型训练时模型预测精度MAPE降低4.35%。STGCN模型对于国内真实数据下的道路运行速度预测分析和提升速度精度具有重要意义。
-
单位深圳市城市交通规划设计研究中心
