基于卷积神经网络的短时交通流量预测与可视化分析方法设计.pdfVIP

微型电脑应用2025年1月

开发应用MicrocomputerApplications第41卷第1期

文章编号：1007-757X(2025)01-0295-04

基于卷积神经网络的短时交通流量预测与可视化

分析方法设计

张贝贝，田甜b

（上海建桥学院，a.信息技术学院，b.艺术设计学院，上海201306）

摘要：为了解决交通拥堵现象日益严重的问题，如何使用智能预测手段对交通流量进行预测并提供可视化操作的研究变得

至关重要。在传统卷积神经网络的基础上做出改进，提出一种基于时空卷积网络的短时交通流量预测模型。对提出的模型

性能进行检测，发现模型在进行预测到5min时，能够取得最佳效果。随着时空卷积层数的增加，模型的MAE值、RMSE值、

MAPE值均有所降低，预测性能越来越好。但当卷积层数超过3时，MAE值、RMSE值、MAPE值开始回升。因此，当模型中

的时空卷积层数为3时，模型的性能最好。比较不同模型在同一数据集下的预测情况，随着预测时间的增加，该模型的MAE

值和RMSE值远小于其他模型。

关键词：卷积神经网络；交通流量；可视化分析；数据预测

中图分类号：F512.3文献标志码：A

DesignofShort-timeTrafficFlowPredictionandVisualAnalysisMethod

BasedonConvolutionalNeuralNetwork

ZHANGBeibei,TIANTianb

(a.CollegeofInformationTechnology,b.CollegeofArtDesign,ShanghaiJianQiaoUniversity,

Shanghai201306,China)

Abstract:Tosolvetheproblemofincreasingtrafficcongestion,itbecomescrucialtostudythepredictionoftrafficflowand

provideitsvisualoperationusingintelligentpredictiontools.Thispapermakesimprovementsonthetraditionalconvolutional

neuralnetworkandproposesashort-timetrafficflowpredictionmodelbasedonspatio-temporalconvolutionalnetwork.The

performanceoftheproposedalgorithmmodelistestedanditisfoundthatthemodelisabletoachievethebestresultswhenthe

predictionisjustperformedupto5min.Asthenumberofspatio-temporalconvolutionallayersincreases,theMAE,RMSE

andMAPEvaluesofthemodeldecrease,andthepredictionperformancebecomesbetterandbetter.However,whenthenum-

berofconvolutionlayersexceeds3,theMAE,RMSE,andMAPEvaluesstarttorecover.Therefore,