-
题名基于双图卷积机制的数字孪生交通流预测
- 1
-
-
作者
胡春华
曾萼岚
荣辉桂
-
机构
湖南工商大学人工智能与先进计算学院
湘江实验室
湖南工商大学长沙人工智能社会实验室
湖南大学信息科学与工程学院
-
出处
《电子学报》
北大核心
2025年第1期141-150,共10页
-
基金
国家自然科学基金(No.72072053,No.91846301)
国家重点研发计划(No.2021YFC3340403)。
-
文摘
城市数字化程度提升产生了大量数据,通过对交通流数据和天气数据的整合分析,能有效缓解各种天气状况下产生的城市交通拥堵.而现有交通流预测算法,未能充分考虑交通流中潜在的空间关系,且忽略了天气等外部因素造成的预测误差,极大地影响了预测的准确性.针对上述问题,本文提出了基于双图卷积机制的数字孪生交通流预测方法(Two-graph Convolution Mechanism-based Digital Twin Flow Prediction,TCM-DTFP).该算法将交通流数据与天气特征相结合,构建了融合交通流特征与天气特征的增广矩阵,提出基于TCN(Temporal Convolutional Networks)的双图卷积机制,算法综合考虑了交通中时间相关性、空间相关性与区域流量间的动态相互作用对交通流的影响,同时避免了复杂天气状况对交通流预测的影响,提高了算法的鲁棒性.最后基于TaxiBJ和PeMSD4真实数据集进行的大量实验表明了本文方法的有效性.
-
关键词
交通数字孪生体
时空相关性
时间卷积网络
双图卷积机制
交通流预测
-
Keywords
traffic digital twin
spatio-temporal correlation
temporal convolutional networks
two-graph convolution mechanism
traffic flow prediction
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
