第59卷第1期2023年1月南京大学学报（自然科学）（NATURALSCIENCE）Vol.59,No.1Jan.,2023JOURNALOFNANJINGUNIVERSITY基于图注意力网络和天气权重的短时车速预测黄智远1,2,张惠臻1,3*,尹航1,潘玉彪1,王靖1（1.华侨大学计算机科学与技术学院，厦门，361021；2.大数据智能与安全福建省重点实验室，华侨大学，厦门，361021；3.南威软件股份有限公司，泉州，362000）摘要：城市道路短时车速预测是智能交通系统中的一个重要组成部分，也是城市道路交通信号灯控制、公交调度、出行线路搜索等具体应用任务的基础.目前这方面的研究热点多是使用图卷积神经网络捕获空间特征，再使用直接的线性拼接方法进行特征处理，在准确度上有不足.针对短时车速预测的高准确性要求，提出一种融合图注意力网络、门控循环单元和天气权重因子的深度学习预测模型（GraphAttentionNetworkBasedwithWeatherWeight，W2⁃GAT）.其中，图注意力网络利用注意力机制捕获城市道路空间信息，门控循环单元用于提取车速时间特征，重点关注待预测点周边的路面车速情况；在特征处理方面，将天气因素作为可变权重超参数与具体的道路车速特征进行融合，提高预测的准确性.实验结果表明，和现有模型相比，W2⁃GAT模型预测结果的均方根误差平均降低7.5%，准确率平均提升4%，能够较好地反映实际路面情况下未来短时的车速特征，为具体应用提供数据支撑.关键词：智能交通，短时车速预测，图注意力网络，门控循环单元，天气因素中图分类号：U495文献标志码：AShort⁃timespeedpredictionbasedongraphattentionnetworksandweatherweightsHuangZhiyuan1,2,ZhangHuizhen1,3*,YinHang1,PanYubiao1,WangJing1(1.DepartmentofComputerScienceandTechnology，HuaqiaoUniversity，Xiamen，361021，China；2.FujianKeyLaboratoryofBigDataIntelligenceandSecurity，HuaqiaoUniversity，Xiamen，361021,China；3.LinewellSoftwareCo.，Ltd.，Quanzhou，362000，China)Abstract:Short⁃timeurbanroadsspeedpredictionisanimportantcomponentofintelligenttransportationsystem.Itisthebasisofspecificapplicationtaskssuchastrafficsignalcontrol，busschedulingandtravelsolutionssearch.Insomecurrentstudies，researchersuseGraphConvolutionalNetwork(GCN)tocapturespatialfeaturesandusesimplesplicingmethodsinfeatureprocessing.Adeeplearningpredictionmodel(GraphAttentionNetworkBasedonFusingWeatherWe...
