基于多尺度动态时空卷积网络的交通流速度预测OA

准确可靠的交通流速度预测对提升交通管理效率、缓解交通拥堵具有重要意义。为实现交通流速度的准确预测并深入挖掘复杂的动态时空关系,提出一种基于多尺度动态时空卷积网络的交通流速度预测模型(MDSTCN)。首先,在图卷积神经网络基础上,构建自适应静态空间邻接矩阵,并引入注意力机制捕捉交通流的方向性和动态交互,以挖掘复杂的动态空间关系;其次,采用多尺度膨胀卷积结构捕捉时间局部特征与长期变化趋势;最后,基于真实数据集完成模型训练与测试,并设计多种对比实验。结果表明,与最佳基线模型Graph WaveNet相比,MDSTCN的E_(RMS),E_(MA)和E_(MAP)均有所下降;其在15,30 min和60 min预测时间尺度上的误差波动幅度最小,凸显了模型在长期预测任务中的良好适应性和稳定性。