TrafficPro:一種針對城市信控路網的路段速度預測框架

【摘要】：針對傳統深度學習模型在城市路網速度預測時，沒有考慮交通流的主動時變特性（信號管控信息），存在預測精度低的問題，本文提出了一種基于生成對抗網絡與圖神經網絡的速度預測框架。在該框架中，生成器網絡通過主動與被動預測模塊，同時編碼路網交通流與信控信息，生成預測結果，隨后使用判別器網絡提高預測結果的泛化性。該框架可以獲得比傳統時間序列模型以及深度學習模型更高的預測精度，在真實路網速度預測場景中，該框架可使預測誤差相比于最好的基準模型下降3%～ 4%。