基于时空相关性的短时交通流量预测方法

。然而由
基 金 项 目 ：国 家 自 然 科 学 基 金 #61671261) ; 国 家 自 然 科 学 基 金 青 年 基 金 #61802217) 。 作 者 简 介 ：闫 杨 #1994一 ），男 ，硕 士 研 究 生 ，主 研 方 向 为 智 能 交 通 、物 联 网 ；孙 ，副 教 授 、博 士 ；朱 兰 婷 ，硕 士 研 究 生 。 收 稿 日 期 "2 0 1 9 -6 -4 修 回 日 期 "2 0 1 9 -8 -5 E -m ail：lijnnsun@ qust. edu. cn
and Bi-directional
Gated Recurrent Unit# B i-G R U ). The proposed method uses Conv-GRU
to
extract t
traffic flow and Bi-GRU to
extract the
periodic feature of traffic flow. The
至关 的作用。
目前为止，学 者 们 已 经 提 出 多 的短
交通
方 法 ，主 有 基
间 的交通
方 法 、基 统 计
的短时交通流i
方基
学习的短 交通
方
大类。
一类为基
间
的交通
方法。
文 献 [2]提 出 一 种 基 于 季 节 性 差 分 整 合
自
回归模型（ARIMA) 的短ermTraffic FlowPredictionMethodBasedonSpatiotemporal Relativity
YAN Yang， SUN Lijun， ZHU Lanting
(College of Information Science and Technology， Qingdao University of Science and Technology，Qingdao,Shandong 266061，China)
generate features b
learning technology， which provides a new solution to the short-term traffic prediction. Based on deep learning m odel， this
paper proposes a short-term traffic flow prediction method that combines Convolution-Gated Recurrent Unit# Conv-GRU)
摘 要 ：新一
交通系统的 出行、交通大
决
准 的短时交通
， 学习通
过机器学习技术自 生 特 征 ，可为短时交通
提供解决方法。
学 习 模 型 为 基 础 ，提出一种结合
Conv-GRU和 Bi-GRU的短时交通
方 法 ，利用 4
环单元提取交通 的 时 空 特 征 ，通 双 向 门
环单元提取交通 的 特 征 ，将提取的特
文献9提出一种基于时空自适应的多核支持向量机amsvmstc的预测方法该方法将高斯核和多项式核杂交成amsvm利用粒子群优化算法对参数进行优化从而能够根据实时交通流量变化趋势自适应地调整混合核权重达到精准预测短时交通流量的效果
第46卷 第 1 期 Vol.46 No.1
•热点与综述•
计算机工程 Computer Engineering
文 章 编 号 ：1000-3428(2020)01-0031-07
2020年 1 月 January 2020
中 图 分 类 号 ：TP391
基于时空相关性的短时交通流量预测方法
闫 杨 ，孙 丽 D !朱兰婷
( 青 岛 科 技 大 学 信 息 科 学 技 术 学 院 ，山 东 青 岛 266061)
extracted features are
integrated
prediction value of traffic flow. Experimental results show that the proposed method can accurately predict the short-term
[A b stra ct] The intelligent travel of the new generation
intelligent
traffic system and
the
intelligen
traffic big data need accurate
and
timely short-term traffic flow prediction. Deep learning can
统已经成为未
路交通管理系统的主要推动
\ [1]。 为新一
交通系统的 一 环 ，准 、
的短时交通
仅可以帮助人们规划出
路 线 、 出 间 ，从 而 减 少 交 通 拥 堵
的 资 源 浪 费 ，而且也为 信 息 感 知 、
联、
协 同 共 享 、 处 理 、应 用 开 放 的 智 慧 城 市 建 设 发 挥
traffic flow. Compared with the Conv-LSTM m ethod，this method has faster convergence speed and shorter running time.
[K e y w o rd s] short-term traffic flo w ; Convolution-Gated Recurrent Unit# Conv-G R U ) ；Bi-directional Gated Recurrent
融合 交通 的 值 。
表 ，该方 g
够准确地 短时交通 ，与 Conv-LSTM方法相比，
较 ，具有更短的运 间。
关 键 词 ：短 交 通 ） -门控循环单元；双向
环 单 元 ；时空特征； 性特
开 放 科 学 （资 源 服 务 ）标 志 码 （O S ID ):
中 文 引 用 格 式 ：闫 杨 ，孙 丽 捃 ，朱 兰 婷 . 基 于 时 空 相 关 性 的 短 时 交 通 流 量 预 测 方 法 [ J ] . 计 算 机 工 程 ，2 0 2 0，46( 1 ) :31门7. 英 文 引 用 格 式 ： YAN Y ang， SUN L iju n ，ZHU Lanting. Shortterm traffic flow prediction method based on spatiotemporal relativity [ J] . Com puter E ngineering，2 0 2 0 ，46 ( 1 ) : 31 门7.
Unit# B i-G R U ); spatiotemporal feature; periodic feature
D O I:1 0 . 1 9678/j. issn. 1000门428.0055105
0 概述
随着城市交通系统的
，移 动 互 联 、车路
、主
、自 主 高 效 的 新 一 代 合
交通系