适应不同场景的交通流量长时预测方法

Long-term traffic flow prediction method adapted to different traffic flow prediction scenarios
王书海a,b
李宁a
潘晓a
王辉a
石家庄铁道大学 a. 信息科学与技术学院; b. 石家庄市人工智能重点实验室, 石家庄 050043

摘要

针对交通流量长时预测中时空相关性挖掘不充分、异质性融合不足及模型跨场景适应能力弱的核心问题,提出一种适应不同场景的交通流量长时预测方法,以提升长时预测精度与跨场景泛化性能。首先构建融合数据统计特征、时间上下文与空间上下文的提示网络,结合生成对抗网络优化数据分布,增强模型对新场景的适配能力;其次设计时空异质性挖掘模块,通过长序列分块嵌入、时空解耦掩码与门控融合机制,分别精准捕获时间维度的动态异质性与空间维度的结构异质性;最后提出时空相关性挖掘模块,采用多掩码策略与双向交叉注意力机制,深度挖掘长时尺度下的时空相关性,并实现时空异质性与相关性特征的高效融合。在公开的数据集上进行了大量实验,结果证明,本文的方法相比于次优方法,在MAE、RMSE和MAPE三个评价指标上平均提升2%~4%。本文方法通过高效挖掘时空异质性与长时相关性、优化场景适配能力,有效解决了现有方法的核心缺陷,显著提升了交通流量长时预测的精度与泛化性能。

基金项目

河北省自然科学基金资助项目(F2024210042)

出版信息

DOI: 10.19734/j.issn.1001-3695.2026.01.0016
出版期卷: 《计算机应用研究》 优先出版, 2026年第43卷 第9期

发布历史

[2026-05-22] 优先出版

引用本文

王书海, 李宁, 潘晓, 等. 适应不同场景的交通流量长时预测方法 [J]. 计算机应用研究, 2026, 43 (9). (2026-06-02). https://doi.org/10.19734/j.issn.1001-3695.2026.01.0016. (Wang Shuhai, Li Ning, Pan Xiao, et al. Long-term traffic flow prediction method adapted to different traffic flow prediction scenarios [J]. Application Research of Computers, 2026, 43 (9). (2026-06-02). https://doi.org/10.19734/j.issn.1001-3695.2026.01.0016. )

关于期刊

  • 计算机应用研究 月刊
  • Application Research of Computers
  • 刊号 ISSN 1001-3695
    CN  51-1196/TP

《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。

《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。

《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。


收录和评价

  • 第二届国家期刊奖百种重点期刊
  • 中国期刊方阵双效期刊
  • 全国中文核心期刊(北大2023年版)
  • 中国科技核心期刊
  • 中国科学引文数据库(CSCD)来源期刊
  • RCCSE中国核心学术期刊
  • 中国计算机学会会刊
  • 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
  • 中国科技期刊精品数据库全文来源期刊
  • 中国学术期刊综合评价数据库来源期刊
  • 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
  • 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
  • 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
  • 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
  • 英国《科学文摘》(INSPEC)来源期刊
  • 《日本科学技术振兴机构数据库》(JST)来源期刊
  • 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
  • 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
  • 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
  • 波兰《哥白尼索引》(IC)来源期刊
  • 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊