数据驱动的城市路网短时交通流预测

本文立足于大数据时代的城市交通背景，对现有短时交通流预测的研究现状展开总结，内容涵盖统计学模型、机器学习模型、传统深度学习模型以及新颖的图神经网络等预测方法。本文首先根据预测模式将现有研究划分为单节点交通流预测以及网络级交通流预测两大类别。在此基础上，将前者进一步细分为考虑交通流时变特征的预测方法以及考虑空间相关性的预测方法，将后者按照所使用的预测模型归纳为基于卷积神经网络的预测方法以及基于图神经网络的预测方法，并对图神经网络中涉及到的拓扑网络构建方法进行了详细论述。总结了现阶段预测方法中存在的不足，并对未来的研究指出了若干可行的重点方向，包括融合多维交通特征、考虑多源数据时空特征的协同预测以及融合时空复杂网络与交通预测等七点内容。

Download paper here

Recommended citation: 唐进君, 曾捷 & 段一鑫. (2022). 数据驱动的城市路网短时交通流预测. 武汉理工大学学报(交通科学与工程版) (05), 782-791+796.