基于蜉蝣优化算法的时空融合交通流预测研究

作     者：张红 巩蕾 曹洁 张玺君 ZHANG Hong;GONG Lei;CAO Jie;ZHANG Xijun

作者机构：兰州理工大学计算机与通信学院甘肃兰州730050 兰州城市学院信息工程学院甘肃兰州730070 

出 版 物：《哈尔滨工程大学学报》 (Journal of Harbin Engineering University)

年 卷 期：2025年第46卷第4期

页      面：764-771,796页

核心收录：

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金项目(61906080) 甘肃省自然科学基金项目(20JR5RA450) 甘肃省自然科学基金重点项目(22JR5RA226) 

主　　题：交通流预测 动态时空特性 超参数 蜉蝣优化算法 时间卷积网络 门控线性单元 注意力机制 图卷积网络 

摘      要：针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性,通过门控机制融合ChebNet捕获的静态空间特征与图卷积网络结合注意力机制捕获的动态空间特征,构建考虑动态时空特征的预测模型,并借助蜉蝣优化算法优化超参数。研究表明:在PeMSD7(M)数据集上,15、30和45 min下该模型MAE的预测精度较T-GCN提高了5.91%、9.06%和10.72%,本文方法具有有效性与优越性。