一种基于ASTGCN-BiGRU模型的交通流量预测  

作　　者：杨建波 李灿 

机构地区：[1]贵州民族大学数据科学与信息工程学院 [2]大方县工业和信息化局

出　　处：《中国科技信息》2025年第6期101-104,共4页China Science and Technology Information

摘　　要：城市人口的快速增长和汽车拥有量的激增,使得交通需求上升。然而,交通拥堵、事故频发和环境污染等问题也随之而来,严重影响了城市的运行效率和居民的生活质量。交通流预测是智能交通系统中的核心技术之一,旨在通过分析历史和实时交通数据,利用数学模型和智能算法,预测未来一段时间内的交通流量。随着大数据、云计算和人工智能技术的飞速发展,交通流预测研究取得了显著进展。传统的基于统计模型的预测方法逐渐被基于机器学习和深度学习的智能预测模型所取代,这些新型模型能够处理更为复杂的交通数据,捕捉交通流的时空依赖性,提供更为精准和实时的预测结果。然而,交通流预测研究仍存在数据融合、模型优化和实时预测不充分等问题。因此,如何开发更加高效的算法、增强模型的可解释性、以及构建跨区域和跨模式的交通流预测,成为当前研究的热点和难点。

关 键 词：人工智能技术 机器学习 可解释性 云计算 大数据 交通流预测 汽车拥有量 智能交通系统 

分 类 号：U495[交通运输工程—交通运输规划与管理]