基于深度神经网络的交通流量预测

精确的预测结果可以为通勤者提供合理的出行建议,并进一步为交通管理提供帮助。现有的研究深入深度学习方法在时空特征提取方面已经有了显着的进展,诸如图卷积神经网络,长短期记忆网络模型等在此过程中发挥了重要的作用。而,仅将这些方法应用到具体的路网场景下的交通流量预测问题是不够合理的的,本文提出了一种优化的时空交通流量预测模型,将线图转换到道路交通拓扑结构的建造过程,并利用GCN实现了更有效的路网空间特征提取能力,特别是与传统的卷在真实的大型数据集的实验结果显示中,采用现有的较大模型,本文提出的模型对于交通流量的时空特征提取能力更强,有更准确的预测效果。