王竟成，张 勇，胡永利，尹宝才

(1.北京工业大学信息学部,北京 100124;2.北京工业大学多媒体与智能软件技术北京市重点实验室,北京 100124)

随着城市化进程的加快以及交通数据的爆炸式增长，智慧交通的重要性日益显著，而交通预测则是智慧交通发展的基石.精准的交通预测对于许多实际交通应用至关重要.例如：路面交通的车速及流量预测对于公众出行路径规划以及交通指挥智能调控等需求具有重要意义；轨道交通客流预测对于站点客流压力测试以及线路时刻安排同样至关重要；对于网约车的用车需求预测则可以协助网约车公司动态分配运营车辆，从而实现调度效率最大化.

交通预测问题有多种分类方式，针对不同的预测任务，可概括为流量预测、速度预测、到达时间预测以及交通需求预测等.根据交通预测的实际场景可分类为高峰期预测、平峰期预测以及异常状况下的预测等.对于交通预测问题的划分同时侧面反映了交通预测模型对于实时性、准确性以及异常状况下的可靠性要求.

不同于其他时序预测问题，交通预测的主要挑战在于包含路网结构拓扑连接关系在内的复杂耦合关联关系及其不断变化的时空特征.空间上，路网中相邻节点存在着直接相互影响的强关联关系，非相邻节点在交通流模式上也存在着基于交通出行起止点(origin-destination,OD)的隐含空间关联.时间上，交通数据呈现出极强的时变性与周期性，例……