基于时空图神经网络的交通流预测与边缘智能预警系统设计.docxVIP

PAGE2

基于时空图神经网络的交通流预测与边缘智能预警系统设计

摘要

随着城市机动车保有量持续攀升，交通拥堵已成为制约城市运行效率的关键瓶颈。传统中心云集中式交通流预测方案存在通信延迟高、带宽压力大、对实时突发事件响应滞后的固有缺陷，难以支撑毫秒级动态预警。本课题以“边缘计算”与“时空图神经网络”为技术主线，设计并实现了一套基于路网拓扑建模、边缘节点实时预测、主动拥堵预警的智能系统。

系统首先将城市路网抽象为带权有向图，构建路网时空图模型，融合历史交通流量、车速、道路拓扑等多元信息。在此基础上，设计图卷积网络预测算法，捕获路网节点间的空间依赖性与时间序列动态演化规律，并将轻量化推理引擎部署于边缘智能节点，实现交通流量的实时滚动预测。当预测值超过拥堵阈值，系统自动触发分级预警，并将预警信息推送至交通管理中心和终端用户。

论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程逻辑展开。第一章分析交通流预测的实时性痛点，明确边缘智能预警系统的设计目标。第二章介绍时空图神经网络和边缘计算关键技术，并完成技术选型论证。第三章从功能、非功能需求出发，建立系统用例模型。第四章进行总体架构设计，提出“云边端”三层协同架构，划分数据采集、模型推理、预警决策等模块，并设计数据存储方案。第五章深入核心算法，详细设计时空图卷积网络预测模型与边缘推理流程。第六章展示系统实现关键代码与运行效果。第