标题：基于EEMD-Att-GCN-LSTM的高速公路交通流量预测
作者：孙金鑫1；钟剑2；姚磊1；韩明君2；戴涛1；苏婧2
作者单位：1 湖北随岳南高速公路有限公司，湖北 监利 433300；2 北京诚达交通科技有限公司，北京 100088
关键字：智能交通；交通流量预测；注意力机制；经验模态分解；图卷积网络；长短时记忆网络；高速公路
摘要：由于天气、突发事件、时间等因素影响，导致交通流具有非线性和不平稳性，这对现有的交通流预测十分有挑战。目前高速公路流量预测大多是对时间序列进行建模分析，缺乏对数据结合动态空间相关性的建模。为满足快速、准确预测高速公路流量，提出一种基于注意力机制、经验模态分解、图卷积神经网络和长短期记忆网络的组合预测模型。首先通过集合经验模态分解对交通流数据进行去噪，降低高速公路流量的非平稳性；然后用时空注意力机制动态捕获时空相关性。将时间特征和空间特征的输出加权融合并作为全连接层的输入，最后以均方根误差、平均绝对误差和平均绝对百分比误差来对此模型进行性能评价，相较于其他模型，所提出的模型在结合EEMD进行数据去噪处理后能够显著提升预测精度，同时在中长期流量预测方面也具有良好的实用性。