道路交通流数据预测方法研究综述

doi:10.3778/j.issn.1002-8331.2209-0458

摘要/Abstract

摘要： 道路交通流预测作为智能交通系统中的重要分支，在道路拥堵预测、路径规划等方面起着重要作用。道路交通流数据时空多态、关联性复杂的特性迫使大数据时代下的道路交通流预测方法转型和升级。为了深入挖掘交通流时空性的特征，学者们相继提出各类方法，包括模型融合、模型算法改进、数据定义转换等方式，以求提高模型的预测精度。为了合理综述各类交通流的预测方法，根据所用方法的种类分为三大类：基于统计学的方法、基于机器学习的方法、基于深度学习的方法。通过综述各类交通流预测方法，对近年来新出现的模型与算法进行概括与分析，旨在为相关研究学者提供研究思路。对交通流预测方法进行了总结及展望，给出未来交通流预测领域的探索方向。

关键词: 智能交通, 交通流预测, 时序序列预测, 机器学习, 深度学习

Abstract: As an important branch of intelligent transportation system, road traffic flow prediction plays an important role in congestion prediction, path planning. The spatio-temporal polymorphism and complex correlation of road traffic flow data force the transformation and upgrading of road traffic flow prediction methods in the era of big data. In order to mine the time-space characteristics of traffic flow, scholars have proposed various methods, including model fusion, model algorithm improvement, data definition conversion, etc, in order to improve the prediction accuracy of the model. In order to reasonably summarize all kinds of traffic flow prediction methods, they are divided into three categories according to the types of methods used：statistics based methods, machine learning based methods, and depth learning based methods. This paper summarizes and analyzes the new models and algorithms in recent years by summarizing various traffic flow prediction methods, aiming to provide research ideas for relevant researchers. Finally, the methods of traffic flow prediction are summarized and prospected, and the exploration direction of the future traffic flow prediction field is given.

Key words: smart transportation, traffic flow forecasting, time series forecasting, machine learning, deep learning

孟闯, 王慧, 林浩, 李科岑, 王鑫鹏. 道路交通流数据预测方法研究综述[J]. 计算机工程与应用, 2023, 59(14): 51-61.

MENG Chuang, WANG Hui, LIN Hao, LI Kecen, WANG Xinpeng. Review of Research on Road Traffic Flow Data Prediciton Methods[J]. Computer Engineering and Applications, 2023, 59(14): 51-61.

参考文献

[1] STEPHANEDES Y J，MICHALOPOULOS P G，PLUM R A.Improved estimation of traffic flow for real time control[J].Transportation Research Record Journal of the Transportation Research Board，1980，795：28-39.
[2] AHMED M.Analysis of freeway traffic time-series data by using box-Jenkins techniques[J].Transportation Research Record，1979，722：1-9.
[3] WILLIAMS B M，HOEL L A.Modeling and forecasting vehicular traffic flow as a seasonal ARIMA process：theoretical basis and empirical results[J].Journal of Transportation Engineering，2003，129（6）：664-672.
[4] 靳小飞.基于ARFIMA混合模型的短时交通流预测研究[D].武汉：华中科技大学，2020.
JIN X F.Research on short-term traffic flow prediction based on ARFIMA hybrid model[D].Wuhan：Huazhong University of Science and Technology，2020.
[5] 杨高飞，徐睿，秦鸣，等.基于ARMA和卡尔曼滤波的短时交通预测[J].郑州大学学报（工学版），2017，38（2）：36-40.
YANG G F，XU R，QIN M，et al.Short-term traffic forecasting based on ARMA and Kalman filter[J].Journal of Zhengzhou University（Engineering Edition），2017，38（2）：36-40.
[6] 申雷霄，陆宇航，郭建华.卡尔曼滤波短时交通流预测普通国省道适应性研究[J].交通信息与安全，2021，39（5）：117-127.
SHEN L X，LU Y H，GUO J H.Research on the adaptability of Kalman filter for short-term traffic flow prediction of ordinary national and provincial highways[J].Traffic Information and Safety，2021，39（5）：117-127.
[7] 张矢宇，杨宇昊，陈尘，等.基于回归卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测[J].大连海事大学学报，2021，47（1）：37-44.
ZHANG S Y，YANG Y H，CHEN C，et al.Spatio-temporal prediction of ship traffic flow in waterway regulation area based on combined regression-Kalman filter model[J].Journal of Dalian Maritime University，2021，47（1）：37-44.
[8] DAVIS G，Nihan N L.Nonparametric regression and short-term freeway traffic forecasting[J].Journal of Transportation Engineering，1991，117（2）：178-188.
[9] 罗向龙，李丹阳，杨彧，等.基于KNN-LSTM的短时交通流预测[J].北京工业大学学报，2018，44（12）：1521-1527.
LUO X L，LI D Y，YANG Y，et al.Short-term traffic flow prediction based on KNN-LSTM[J].Journal of Beijing University of Technology，2018，44（12）：1521-1527.
[10] 祁朵，毛政元.基于自适应时序剖分与KNN的短时交通流量预测[J].地球信息科学学报，2022，24（2）：339-351.
QI D，MAO Z Y.Short-term traffic flow prediction based on adaptive time series segmentation and KNN[J].Journal of Geoinformation Science，2022，24（2）：339-351.
[11] 杨兆升，王媛，管青.基于支持向量机方法的短时交通流量预测方法[J].吉林大学学报（工学版），2006（6）：881-884.
YANG Z S，WANG Y，GUAN Q.Short-term traffic flow prediction method based on support vector machine method[J].Journal of Jilin University（Engineering Science Edition），2006（6）：881-884.
[12] 林浩，李雷孝，王慧.SPGAPSO-SVM：一种城市公交客流量预测算法[J].小型微型计算机系统，2020，41（11）：2458-2464.
LIN H，LI L X，WANG H.SPGAPSO-SVM：an urban bus passenger flow prediction algorithm[J].Small Microcomputer System，2020，41（11）：2458-2464.
[13] HU W B，YAN L P，LIN K Z，et al.A short-term traffic flow forecasting method based on the hybrid PSO-SVR[J].Neural Processing Letters，2016，43（1）：155-172.
[14] 孙朝东，梁雪春.改进的花授粉算法优化SVM在交通流中的应用[J].计算机工程与设计，2016，37（10）：2717-2721.
SUN C D，LIANG X C.Application of improved pollination algorithm to optimize SVM in traffic flow[J].Computer Engineering and Design，2016，37（10）：2717-2721.
[15] 康军，段宗涛，唐蕾，等.一种LS-SVM在线式短时交通流预测方法[J].计算机应用研究，2018，35（10）：2965-2968.
KANG J，DUAN Z T，TANG L，et al.An LS-SVM online short-term traffic flow prediction method[J].Computer Application Research，2018，35（10）：2965-2968.
[16] 黄振盛，汪玉美，韩江洪，等.基于MLS-SVM和时空特性的短时交通流量预测方法[J].合肥工业大学学报（自然科学版），2020，43（1）：57-63.
HUANG Z S，WANG Y M，HAN J H，et al.Short-term traffic flow prediction method based on MLS-SVM and spatiotemporal characteristics[J].Journal of Hefei University of Technology（Natural Science Edition），2020，43（1）：57-63.
[17] SUN B，CHENG W，GOSWAMI P，et al.Short-term traffic forecasting using self-adjusting k-nearest neighbours[J].IET Intelligent Transport Systems，2017，12（1）：41-48.
[18] 史殿习，丁涛杰，丁博，等.一种基于非参数回归的交通速度预测方法[J].计算机科学，2016，43（2）：224-229.
SHI D X，DING T J，DING B，et al.A traffic speed prediction method based on nonparametric regression[J].Computer Science，2016，43（2）：224-229.
[19] 梁艳平，毛政元，邹为彬，等.基于相似数据聚合与变K值KNN的短时交通流量预测[J].地球信息科学学报，2018，20（10）：1403-1411.
LIANG Y P，MAO Z Y，ZOU W B，et al.Short-term traffic flow prediction based on similar data aggregation and variable K value KNN[J].Journal of Geoinformation Science，2018，20（10）：1403-1411.
[20] UNSOK R.Construction of traffic state vector using mutual information for short-term traffic flow prediction[J].Transportation Research Part C，2018，96：55-71.
[21] 张伟斌，张帅，郭海锋，等.基于交通因子状态网络的城市交叉口交通流预测[J].中国公路学报，2021，34（12）：217-228.
ZHANG W B，ZHANG S，GUO H F，et al.Prediction of traffic flow at urban intersections based on traffic factor state network[J].Chinese Journal of Highways，2021，34（12）：217-228.
[22] 马全党，江福才，范庆波，等.PSO-无偏灰色马尔科夫模型在船舶交通流量预测中的应用[J].中国航海，2019，42（1）：97-103.
MA Q D，JIANG F C，FAN Q B，et al.Application of PSO-unbiased grey Markov model in ship traffic flow prediction[J].China Navigation，2019，42（1）：97-103.
[23] 罗文慧，董宝田，王泽胜.基于CNN-SVR混合深度学习模型的短时交通流预测[J].交通运输系统工程与信息，2017，17（5）：68-74.
LUO W H，DONG B T，WANG Z S.Short-term traffic flow prediction based on CNN-SVR hybrid deep learning model[J].Transportation System Engineering and Information，2017，17（5）：68-74.
[24] 叶景，李丽娟，唐臻旭.基于CNN-XGBoost的短时交通流预测[J].计算机工程与设计，2020，41（4）：1080-1086.
YE J，LI L J，TANG Z X.Short-term traffic flow prediction based on CNN-XGBoost[J].Computer Engineering and Design，2020，41（4）：1080-1086.
[25] 潘伟靖，陈德旺.基于GRU-SVR的短时交通流量预测研究[J].计算机技术与发展，2019，29（10）：11-14.
PAN W J，CHEN D W.Research on short-term traffic flow prediction based on GRU-SVR[J].Computer Technology and Development，2019，29（10）：11-14.
[26] JIANG L.Traffic flow prediction method based on deep learning[J].Journal of Physics Conference Series，2020（1）：20-50.
[27] 杨凤满.基于人工神经网络的交通流预测方法综述[J].公路交通科技，2020，37（S1）：130-135.
YANG F M.A review of traffic flow prediction methods based on artificial neural network[J].Highway Transportation Science and Technology，2020，37（S1）：130-135.
[28] KANG D，LV Y，CHEN Y Y.Short-term traffic flow prediction with LSTM recurrent neural network[C]//2017 IEEE 20th International Conference on Intelligent Transportation Systems（ITSC），2017.
[29] ZHENG Z，CHEN W，WU X，et al.LSTM network：a deep learning approach for short-term traffic forecast[J].IET Intelligent Transport Systems，2017，11（2）：68-75.
[30] SHI X，CHEN Z，WANG H，et al.Convolutional LSTM network：a machine learning approach for precipitation nowcasting[J].arXiv：1506.04214，2015.
[31] 唐克双，陈思曲，曹喻旻，等.基于Inception卷积神经网络的城市快速路行程速度短时预测[J].同济大学学报（自然科学版），2021，49（3）：370-381.
TANG K S，CHEN S Q，CAO Y M，et al.Short-time travel speed prediction for urban expressways based on convolutional neural network with Inception module[J].Journal of Tongji University（Natural Science），2021，49（3）：370-381.
[32] 李磊，张青苗，赵军辉，等.基于改进CNN-LSTM组合模型的分时段短时交通流预测[J].应用科学学报，2021，39（2）：185-198.
LI L，ZHANG Q M，ZHAO J H，et al.Prediction of short-term traffic flow by time period based on improved CNN-LSTM combined model[J].Chinese Journal of Applied Sciences，2021，39（2）：185-198.
[33] DONAHUE J，HEND L A，GUAD S，et al.Long-term recurrent convolutional networks for visual recognition and description[C]//2015 IEEE Conference on Computer Vision and Pattern Recognition（CVPR），2015.
[34] JAIN A，ZAMIR A R，SAVARESE S，et al.Structural-RNN：deep learning on spatio-temporal graphs[C]//IEEE Conference on Computer Vision & Pattern Recognition，2015.
[35] 晏臻，于重重，韩璐，等.基于CNN+LSTM的短时交通流量预测方法[J].计算机工程与设计，2019，40（9）：2620-2624.
YAN Z，YU C C，HAN L，et al.Short-term traffic flow prediction method based on CNN+LSTM[J].Computer Engineering and Design，2019，40（9）：2620-2624.
[36] 王婧娟，陈庆奎.一种时空注意力网络的交通预测模型[J].小型微型计算机系统，2021，42（2）：303-307.
WANG J J，CHEN Q K.A traffic prediction model of a spatiotemporal attention network[J].Small and Microcomputer System，2021，42（2）：303-307.
[37] 王海起，李留珂，陈海波.基于图结构的城市道路短时交通流量时空预测模型[J].地理与地理信息科学，2021，37（4）：1-9.
WANG H Q，LI L K，CHEN H B.A spatiotemporal prediction model of urban road short-term traffic flow based on graph structure[J].Geography and Geographic Information Science，2021，37（4）：1-9.
[38] KIP F，WELLING M.Semi-supervised classification with graph convolutional networks[C]//International Conference on Learning Representations（ICLR），2017.
[39] SEO Y，DEFFER M，VAND P，et al.Structured sequence modeling with graph convolutional recurrent networks[C]//International Conference on Learning Representations（ICLR），2016.
[40] LI Y，YU R，SHA C，et al.Diffusion convolutional recurrent neural network：data-driven traffic forecasting[C]//International Conference on Learning Representations（ICLR），2018.
[41] 冯宁，郭晟楠，宋超，等.面向交通流量预测的多组件时空图卷积网络[J].软件学报，2019，30（3）：759-769.
FENG N，GUO S N，SONG C，et al.Multi-component spatiotemporal graph convolutional network for traffic flow prediction[J].Journal of Software，2019，30（3）：759-769.
[42] 戴俊明，曹阳，沈琴琴，等.基于多时空图卷积网络的交通流预测[J].计算机应用研究，2022，39（3）：780-784.
DAI J M，CAO Y，SHEN Q Q，et al.Traffic flow prediction based on multi-spatiotemporal graph convolutional networks[J].Computer Application Research，2022，39（3）：780-784.
[43] GUO S，LIN Y，FENG N，et al.Attention based spatial-temporal graph convolutional networks for traffic flow forecasting[C]//AAAI Conference on Artificial Intelligence，2019：922-929.
[44] LI C，CUI Z，ZHENG W，et al.Spatio-temporal graph convolution for skeleton based action recognition[C]//AAAI Conference on Artificial Intelligence，2018.
[45] SONG C，LIN Y，GUO S，et al.Spatial-temporal synchronous graph convolutional networks：a new framework for spatial-temporal network data forecasting[C]//AAAI Conference on Artificial Intelligence，2020：914-921.
[46] 王庆荣，田可可，朱昌锋，等.融合多因素的短时交通流预测研究[J].计算机工程与应用，2022，58（21）：309-316.
WANG Q R，TIAN K K，ZHU C F，et al.Short term traffic flow prediction based on multi-factors[J].Computer Engineering and Applications，2022，58（21）：309-316.
[47] 吕鲜，戚湧，张伟斌.基于长短期记忆模型的交通拥堵预测方法[J].南京理工大学学报，2020，44（1）：26-32.
LV X，QI Y，ZHANG W B.Traffic congestion prediction method based on short-term and short-term memory model[J].Journal of Nanjing University of Technology，2020，44（1）：26-32.
[48] 李桃迎，王婷，张羽琪.考虑多特征的高速公路交通流预测模型[J].交通运输系统工程与信息，2021，21（3）：101-111.
LI T Y，WANG T，ZHANG Y Q.Highway traffic flow prediction model considering multiple characteristics[J].Transportation System Engineering and Information，2021，21（3）：101-111.
[49] XU D，WEI C，PENG P，et al.GE-GAN：a novel deep learning framework for road traffic state estimation[J].Transportation Research，Part C：Emerging Technologies，2020，117：102635.