基于时空图卷积网络的交通预测研究报告.docx

基于时空图卷积网络的交通预测研究报告

交通预测作为智能交通系统的基础任务，其目标是根据历史与实时的交通状态数据，结合路网结构信息，推测未来若干时段的交通流量、速度或占有率。该任务在交通信号优化、拥堵预警、出行路径规划等方面具有核心价值。然而，交通系统本质上是强时空耦合的复杂系统：一方面，相邻路段通过交通流传播相互影响，空间依赖具有非欧几里得和有向性；另一方面，交通状态随早晚高峰、工作日周期和突发事件等呈现多尺度时间演化。传统时序模型如ARIMA、VAR将各路段视为独立或线性相关的时间序列，难以捕获深层非线性时空交互。近年来，图卷积网络（GCN）与时间卷积、循环神经网络的结合催生了基于时空图卷积