李山海 吴艳雄 刘玉龙 张子晔

（1.中华全国工商业联合会信息中心 北京市 100035 2.中国电子科技集团公司第十五研究所 北京市 100083）

1 引言

当前，新一代人工智能技术在支撑国民经济上的作用更深远、范围更广泛，应用场景也几乎涵盖智慧城市管理和智能交通等各个领域。交通是国民经济发展的大动脉，当前智能交通产业发展更是各级政府和民营经济的关注热点。随着智慧城市和物联网技术的快速发展，以及全球定位系统（GPS）和地理信息（GIS）系统等的普及应用，交通流数据的采集越来越方便，交通大数据呈爆炸式增长，而且交通流相关数据还呈现出复杂的非线性相关特点[1]，如交通流量、通行速度和通行时间、天气情况等交通流相关多变量数据等，存在复杂的相互影响。如何有效地分析和建模这些交通流相关多变量序列数据集，并构建有效的交通流预测模型已经成为智能交通研究的热点和重要发展方向[2]。研究学者针对这一关键问题提出了很多的研究模型与方法，包括统计方法和机器学习方法等，但由于交通序列数据具有的高维性、非线性和相互关联性等问题，如何有效地构建更准确的交通流预测模型仍然是智能交通面临的核心问题，而深度学习技术的兴起使其成为一种重要的应用参考。

深度学习由于其多层非线性映射原理的深度特征抽取学习能力，如在图像处理、语音识别和自然语言处理等多个领域取得突破性进展[3]。……