华南理工大学学报(自然科学版)

作者：王庆荣, 高桓伊, 朱昌锋, 何润田, 慕壮壮

单位：1.兰州交通大学 电子与信息工程学院，甘肃 兰州 7300702.兰州交通大学 交通运输学院，甘肃 兰州 730070

关键词：交通拥堵预测,图神经网络,动态自适应门控,聚类算法,门控时间卷积网络

基金：国家自然科学基金项目(72161024);甘肃省教育厅“双一流”重大研究项目(GSSYLXM-04)

随着城市机动车保有量的持续攀升，交通拥堵程度不断加剧，这种现象对环境保护与城市运行效率造成不利影响。因此，精确预测交通拥堵对于交通管理与优化具有重要意义。然而，现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题，该文提出了一种基于图神经网络的门控时空卷积网络模型，以更有效地刻画和预测交通拥堵状况。首先，通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别，并将其作为辅助特征融入预测模型，以增强特征表达能力；然后，引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系，并构建动态自适应门控图卷积网络，通过信号生成模块与双层调制机制实现特征融合与动态权重分配，从而完成对时空特征的有效提取；最后，引入残差连接以增强训练过程的稳定性，并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证，结果表明，该模型的预测精度优于其他基线模型。

来源：2025年第9期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第9期