基于多维数据挖掘的城市路网多尺度交通流预测研究OACSTPCD

城市交通流量通常较大,路网交通预测时数据繁复、特征参数较多,导致预测速率与精度较低。为此,提出基于多维数据挖掘的城市路网多尺度交通流预测方法。采用数据清洗方式对数据预处理,根据道路交通变化情况确定交通流特征参数;利用傅里叶变换、卷积算法挖掘交通流时空特征,运用注意力函数、权重矩阵挖掘交通流时间特征;通过时空相关性与图的拓扑结构特性建立交通流预测模型,获取下一时刻道路交通变化情况,完成交通流预测。实验结果表明,该方法能够有效预测道路交通每个时段流量状态,预测精度始终高于97%,15 s内就能完成8个路段交通流的预测。