林艺华

摘 要：用深度学习的方法对高速公路上的定时交通流进行监测，有关部门根据监测到的数据结果进行交通管控，缓解道路压力，保障交通安全。首先，用递归神经网络RNN进行短期交通流量预测，然后利用残差反卷积形成深层网络从而实现长期的交通流量预测。在此基础上，创新性的使用图卷积进行特征提取，提高模型的鲁棒性。通过实验证明，基于深度学习的长短期交通流量预测具有重要的研究意义和使用价值。

关键词：深度学习;RNN;残差反卷积;图卷积：交通流量预测

中图分类号：TP38 文献标识码：A 文章编号：1001-5922（2021）05-0182-05

Research on Expressway Traffic Flow Data Monitoring Method Based on Depth Learning

Lin Yihua

（Yuexiu （China） Transportation Infrastructure Investment Limited Company， Guangzhou 510600， China ）

Abstract：The content of this paper is to monitor the regular traffic flow on expressways with the method of deep learning， and relevant departments carry out traffic control according to the monitored data results to relieve road pressure and ensure traffic safety.  First， the recurrent neural network RNN is used for short-term traffic flow prediction， and then the residual deconvolution is used to form a deep network to realize long-term traffic flow prediction.  On this basis， the innovative use of graph convolution for feature extraction improves the robustness of the model.  Experiments show that the long-term and short-term traffic flow prediction based on depth learning has important research significance and application value.

Key words：deep learning;  RNN; residual deconvolution; graph convolution： traffic flow prediction

0 前言

随着城市化的不断发展，越来越多的人开始聚集。这给我国旅游业带来了机遇，但是却给交通管制带来了前所未有的压力。目前，一些关于交通的单位时间内人流量和速度的研究已经成为了重点的研究内容。基于中期和长期客流预测通常指的是时间跨度在未来3～15年的范围之内，而短期客流预测通常具有下一周或一个月的预测范围。对城市客流的研究是城市交通规划、运营和安全防护的重要方面。短期客流预测可用于优化线路和客流组织，为运营商提供预警和多方决策，进一步提高城市的科学管理水平，对于安全和操作具有实际重要性。该预测可以为先进的客流控制和诱导方法提供证据，该方法可以防止拥塞，践踏和其他安全事故。而一些长期预测也是在短期预测的举出上不断的进行优化的，因此二者都对交通管制具有指导意义。……