基于时空图神经网络的交通拥堵预测模型研究_第十期_2026_现代科技研究

摘要：本研究面向城市路网提出一种基于时空图神经网络的交通拥堵预测方法。通过统一采样粒度、时间对齐与缺失修复，构建路段级多变量序列，并以行归一化邻接矩阵刻画拓扑。模型以图卷积和门控循环单元串联，并引入注意力式时空融合与残差、失活，采用 MAE 与 Adam 优化。以北京 2023 年一季度 5 min 数据验证，测试集整体取得 MAE 2.35、RMSE 3.12、R² 0.89，相比STGCN 的MAE 2.78、RMSE 3.56、R² 0.85 显著提升。早高峰与平峰分别获得MAE 2.48、RMSE 3.28、R² 0.87 与MAE 2.19、RMSE 2.95、 R² 0.91，误差随步长增长更平缓，证明该方法在噪声与突发情境下的稳健性与泛化优势。

关键词：交通拥堵预测；时空图神经网络；注意力融合；数据预处理；城市路网

参考文献

[1]何仲祥,吴明礼.基于改进CNN-LSTM的高速公路交通流量预测研究[J].计算机应用与软件,2025,42(06):136-140+177.

[2]李淑庆,张沛喆.基于LC-Transformer模型的高速公路短时交通流预测研究[J].工程科学与技术,

[3]张锦,皮煜,孙程,魏叶华,余飞,姚卫.面向交通流预测的时空编码器-解码器模型[J].国防科技大学学报,2025,47(03):173-182.

[4]郑创锐,邓秀勤,陈磊.基于解耦自适应动态图卷积的交通预测模型[J].计算机科学,2025,52(S1):684-691.

[5]汪承焱,金强,陈滨.基于多尺度胶囊网络的交通流预测实验设计与实现[J].实验室研究与探索,2025,44(05):96-100+105.

[6]黄海平,陈亚杰,周超然,常舒予.基于深度学习的交通预测：多技术融合的策略，挑战与未来愿景[J].南京邮电大学学报(自然科学版),

[7]叶宝林,戴本岙,苗永超,李灵犀,王翔,吴维敏.基于自适应时空同步建模的交通流预测[J].计量学报,2025,46(06):802-812.

[8]谢日辉,关雪峰,曹军,王星磊,吴华意.基于时空层次图神经网络的通信基站负载预测模型[J].测绘地理信息,2025,50(03):56- 62.

[9]唐进君,段一鑫,商淑杰,王骋程,陈群.多特征融合时空图卷积的高速公路交通流量预测[J].公路交通科技,2025,42(06):22-31.

作者简介：刘红波（1987—），男，汉族，本科，研究方向为大数据工程。