方孟元，唐炉亮，杨 雪，胡 淳

1. 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079; 2. 中国地质大学(武汉)地理与信息工程学院，湖北 武汉 430074

随着经济的快速发展，城市车辆保有量和居民出行量的快速上升使得城市拥堵现象越发严重。交通拥堵作为一种全球普遍现象，不仅造成了极大的时间经济成本，而且加重了大气和噪声污染，成为目前社会的主要问题之一[1-2]。道路交叉口作为城市道路的咽喉，承载了交通流量的汇集和疏散[3]，是道路交通拥堵高发地带[4]。同时，交叉口不同行驶方向的拥堵情况具有明显的差异。因此，精准地预测交叉口交通信息对于交通拥堵治理、自动驾驶路线决策等具有重要的意义[5]。

交通信息的预测主要包括交通信息的获取和时间序列预测两个环节。交通信息可通过摄像机[6]、地面线圈[7]、测速雷达[8]等固定式传感器对车辆速度进行测量，或利用浮动车GNSS轨迹数据进行提取。由于固定式传感器在安装部署成本高、探测范围小等方面的限制，现有研究更多地利用GNSS轨迹数据。文献[9—13]分别提出了交通状态识别、速度与排队长度参数估计方法，并讨论了浮动车比例和参数估计准确性的关系；文献[14—16]等基于GNSS轨迹数据挖掘城市拥堵事件并分析拥堵形成及传播规律。然而这些方法提取结果的准确性受到浮动车GNSS采样频率的限制，且依赖于一定的先验知识、难以实现大范围的应用。对于交通信息的预测，早期主要借助自回归积分滑动平均模型[17]、卡尔曼滤波[18]、贝叶斯网络[19]等数学统计方法，而这类方法具有一定的前提假设、难以引入复杂的交通时空关系，因此预测能力有限。……