基于ST-GCN短时路况预测算法的预警系统

为提升高速公路车速预测的准确性,针对现有车速预测模型存在的时间相关性和空间相关性部分缺失的问题,提出一种基于时空图卷积网络(Spatio-Temporal Graph Convolution Network,ST-GCN)短时路况预测算法的预警系统。该算法综合考虑时间相关性和空间相关性的影响,根据实时和历史的交通数据,通过建立ST-GCN模型分析预测未来某段时间的交通流速度和路况。将预测结果推送给布设在高速公路上的多彩智能情报板,通过多彩智能情报板上显示的信息诱导司乘用户的行为,从而降低事故发生率,提升高速公路通行效率。

短时路况预测在动力电池实时配送中的应用

电动汽车及时获得能量供应是其大规模普及的关键,而动力电池配送车辆在获取最优配送路径时缺乏实时性信息支持,实时交通路况信息已不能满足其需求。文中提出利用短时路况预测模型动态预测路况未来变化,并利用预测值来选择最优配送路径。该方法综合利用实时采集数据与历史交通数据,以5min为时间间隔,对城市道路交通参数进行短时预测,主要从时间和空间两方面进行预测,并利用相对误差、绝对误差及均等系数对预测结果进行评价。仿真结果表明,该预测模型的预测效果较理想,尤其是在高峰时刻,可应用于电动汽车动力电池配送车辆的实时最优路径获取。