TrafficPro：一种针对城市信控路网的路段速度预测框架

摘要

针对传统深度学习模型在城市路网速度预测时没有考虑交通流的主动时变特性（信号管控信息），而存在预测精度低的问题，提出了一种基于生成对抗网络与图神经网络的速度预测框架。在该框架中，生成器网络通过主动与被动预测模块同时编码路网交通流与信控信息，生成预测结果，随后使用判别器网络提高预测结果的泛化性。该框架可以获得比传统时间序列模型及深度学习模型更高的预测精度，在真实路网速度预测场景中，可使预测误差相比于最好的基准模型下降3%～5%。

关键词

交通运输规划与管理 / 信控城市路网 / 交通速度预测 / 生成对抗网络