基于时空渐进卷积图模型的交通拥堵检测方法研究

《ISPRS International Journal of Geo-Information》：A Novel Traffic Congestion Detection Model Based on Congestion Factors and Spatio-Temporal Attention Mechanisms

　　及时拥堵检测有助于交通监控与管理，而路网状况的时空变化给可靠检测带来了挑战。现有拥堵检测研究大多关注路网的当前交通状况，较少关注具有时空特征的因素，这些因素通常随路网拥堵情况而变化。为此，本文提出了一种新颖的时空渐进卷积图模型用于交通拥堵检测。该模型引入拥堵因子和时空注意力机制模块，增强对时空因素的建模能力，提升拥堵检测效果，从而能够快速识别路网中的拥堵区域。在METR-LA和PeMS-Bay数据集上的实验结果表明，在本研究所采用的基于固定速度的标注规则下，五级拥堵分类准确率分别为75.3%和78.9%。该结果支持在本研究采用的固定速度标注规则下进行对比评估；拥堵阈值在美国高速公路投入实际运营前需要进行局部校准。