王晟由，邵春福，董春娇，黄士琛，郑 炎

(北京交通大学 综合交通运输大数据应用技术交通运输行业重点实验室, 北京 100044)

随着经济的发展，货运交通在综合交通体系中占有相当大的比重，特别是现代供应链严重依赖于于货车运输.经国家统计局统计，截至2019年底，我国货运量在过去10年增长了40.32%[1].货运交通的增加伴随着因交通拥堵而导致交通容量降低的问题.目前多数政策采用限时段通行的手段来控制货车流量，这导致货车与汽车的流量分布存在着明显的差异，因此针对货车的流量分布特征，采取有效的货车流量预测手段对精确地获取货车流量动态显得尤为重要.传统的交通流量数据采集多利用线圈检测、视频监测技术，该技术存在着无法同时监控多车道、设备故障频发等问题，导致采集流量数据与实际流量数据具有较大差距.新兴的GPS轨迹数据可以很好地解决采集数据误差大的问题[2].GPS轨迹数据是通过在货车上安装GPS定位仪，来实时反馈货车的有效交通信息，特别是，近年来我国政府强制要求重型货车安装GPS设备来监控运行状态，有效保证了GPS定位仪在货车上的覆盖率以及数据回收率.

以往国内外学者在流量预测方法中主要采用整合移动平均自回归(Autoregressive Integrated Moving Average model，ARIMA)算法[3]，K最近邻(K-Nearest Neighbor,KNN)算法[4]及相关改进模型[5-10].随着信息采集方式的转变，数据的呈现方式和量级出现了极大的变化，例如GPS数据，催生了更多解决流量预测问题的方法，其中深度……