基于时空融合的交通流量预测模型研究

董 挺锴, 兰 　洁, 陈 　炯, 朱 梦琳, 尹 泉贺
郑州市华北水利水电大学

摘要

精确的交通流量预测有助于减轻道路交通压力，协助驾驶员进行路径规划，并且为智能交通系统的发展提
供支持。然而传统的交通流量预测只考虑了时序特征，忽略了空间特征，经过对交通流量预测算法的研究，给出
了一种新的基于时空融合的交通流量预测模型GAT-LSTM，用于学习交通流量的时空特征，并将该模型在数据集
PEMSD4和PEMSD8上与传统的交通流量预测模型进行对比，实验结果证明GAT-LSTM模型具有更好的预测性能。

关键词

交通流量；GAT-LSTM；深度学习

参考

[1] 洪中荣 . 浅析我国智能交通系统发展现状与前景

[J]. 科学技术创新，2019（14）：124-125.

[2] 伏军霞 . 基于图卷积网络的交通流量预测方法

的 研 究 [D]. 南 京 邮 电 大 学，2023.DOI：10.27251/d.cnki.

gnjdc.2022.001281.