大数据机器学习GIS

基于时空图卷积的短时流量预测

2025年1月

研究背景

流量在时间上有自相关,在空间上有上下游传递。传统时序模型忽略空间结构,而图卷积能显式编码路网拓扑。

研究目标

利用路网拓扑结构与历史流量,预测未来 15 分钟各路段流量,为实时管控提供前瞻信息。

实现方法

以路段为节点、相邻关系为边构建图;节点特征为过去 12 个 5-min 流量;模型用 GCN + GRU 组合捕捉时空依赖,在 80/10/10 划分上训练并早停。

输入数据
需求路网
方法
建模求解
输出
指标图表
PyTorchPythonPandasNumPy

结果与分析

预测 MAPE
9.8%
RMSE
42.6veh
预测步长
15min
路段数
128

预测 vs 真实

各步长 MAPE

误差空间分布

反思与展望

空间结构显著提升了短时预测精度,但长时段预测仍受事件性扰动影响。引入外部特征(天气、活动)是下一步方向。