基于动态图生成的车道级交通流预测

已有交通流预测方法忽略了各车道交通模式之间的差异性,难以捕获车流流向、车道关系等条件的动态变化。随着普适感知技术的发展,更精细的车道级交通流预测方法成为可能。提出基于动态图生成的车道级交通流预测异质图卷积模型,该模型由基于动态图生成的内源图卷积网络、外源异质数据融合网络及基于注意力机制的编解码神经网络构成。内源图卷积网络以动态图生成的方式捕捉各车道间实时的空间依赖关系。外源异质数据融合网络综合考虑了车道速度、车道占有率及天气状况等多个特征参数,避免了因信息缺失而导致预测精度低的问题。编解码神经网络使用时序注意力捕捉深层次时间依赖关系。基于两个真实数据集的大量实验证明异质图卷积模型能够获取更准确的预测结果。