Resumen

Con el objetivo de abordar el problema de la predicción del flujo de tráfico de la red de carreteras, este artículo propone un modelo de predicción del flujo de tráfico de varios pasos basado en una red neuronal de memoria a corto plazo basada en la atención espacial-temporal-gráfica (AST-GCN-LSTM). El modelo puede capturar la compleja dependencia espacial de los nodos de carretera en la red de carreteras y utilizar LSGC (convolución de espectrograma local) para capturar las características de correlación espacial de los vecinos locales de orden K de los nodos de segmento de carretera en la red de carreteras. Es más preciso extraer la información de los nodos vecinos sustituyendo la matriz de vecindad de un solo salto por vecindades locales de K órdenes para ampliar el campo receptivo de la convolución de grafos. También se tiene plenamente en cuenta la vecindad de alto orden de los nodos de la carretera en lugar de extraer únicamente características de los nodos vecinos de primer orden. Además, se diseña una unidad de mejora de atributos externos para extraer factores externos (meteorología, punto de interés, hora, etc.) que afectan al flujo de tráfico con el fin de mejorar la precisión de la predicción del flujo de tráfico del modelo. Los resultados experimentales muestran que cuando se considera la combinación estática, dinámica, y estática y dinámica, el modelo tiene un rendimiento excelente: RMSE (4,0406, 4,0362, 4,0234), MAE (2,7184, 2,7044, 2,7030), precisión (0,7132, 0,7190, 0,7223).

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:modelo, orden, red neuronal, red de carreteras, nodos de carretera, unidad de mejora de atributos externos, modelo de predicción del flujo de tráfico en varios pasos, problema de predicción del flujo de tráfico, dependencia espacial compleja, matriz de vecindad de saltos
• Keywords:model, order, neural network, road network, road nodes, external attribute enhancement unit, multistep traffic flow prediction model, traffic flow prediction problem, complex spatial dependence, hop neighborhood matrix