分层U-Net交通预测模型

长时交通预测准确

首次将U-Net与transformer结合，通过分层编解码器同时生成和利用多尺度表示，专门解决交通预测中长期预测（如提前一天）的独特挑战。

Shao, Zezhi · 王飞 · Sun, Tao · Yu, Chengqing · Fang, Yuchen · Guangyin, Jin · 安竹林 · Liu, Yang · Xiaobo, Qu · 徐勇军

Communications in Transportation Research 2025

技术优势

预测更长的范围

采用层级编码器-解码器整合多尺度表征，支持提前一天预测。

精度优于现有基线

在四个数据集上均显著超越SOTA方法。

降低计算复杂度

通过划分窗口的自注意力和输入嵌入策略，避免长期序列的高计算开销。

应用场景

• 智能交通系统：为交通管理系统提供可靠的长时预测，辅助运营决策。
• 城市交通管理：支持城市交通信号优化和拥堵预警。
• 交通规划：帮助规划者预判未来交通需求分布。
• 时序数据挖掘：为长时序时空数据提供高效多尺度建模方法。