多源交通数据融合下的城市出行需求动态预测_第十期_2026_现代科技研究

摘要：面向大规模通勤与天气活动扰动下的分钟级出行需求研判，提出一套多源交通数据融合的动态预测方法。以公交刷卡、地铁闸机、共享单车订单与出租车轨迹为基础，构建覆盖统一时间窗与交通小区的时空对齐流程，提取时间、空间与跨方式交互特征，并设计注入路网先验的注意力 LSTM 模型。以上海中心城区一周数据为例，5 分钟粒度测试显示，所提模型在微平均指标上取得 MAE 0.85、RMSE 1.72、MAPE 12.6%，较 ARIMA 在 MAE 上降幅 31%，较单一 LSTM 降幅 13%，同时在早晚高峰与突发窗口保持稳定优势，核心站点改善更显著。在 5、10 与 15 分钟预测步长下均保持相对优势，短步长改善更为显著。结果表明，多源互补与注意力加权可有效提升分钟级预测的准确性与泛化能力，为运力调度与应急处置提供更可靠的先验支撑。

关键词：多源交通数据融合；分钟级出行需求预测；注意力 LSTM；时空对齐；路网先验

参考文献

[1]黄海平,陈亚杰,周超然,常舒予.基于深度学习的交通预测：多技术融合的策略，挑战与未来愿景[J].南京邮电大学学报(自然科学版),

[2]李淑庆,张沛喆.基于LC-Transformer模型的高速公路短时交通流预测研究[J].工程科学与技术,

[3]李韫辉,李清泉,涂伟.城市多模式交通的时空可达性分布特征分析[J].测绘地理信息,2025,50(03):125-129.

[4]唐进君,段一鑫,商淑杰,王骋程,陈群.多特征融合时空图卷积的高速公路交通流量预测[J].公路交通科技,2025,42(06):22-31.

[5]李之红,郄堃,王健宇,许晗,陈金政.建成环境影响下的城市轨道交通客流多步短时预测 [J].交通运输系统工程与信息,2025,25(01):160-172.

[6]侯越,王甜甜,张鑫,尹杰.多分辨率趋势周期解耦交互的交通流预测[J].浙江大学学报(工学版),

[7]郑创锐,邓秀勤,陈磊.基于解耦自适应动态图卷积的交通预测模型[J].计算机科学,2025,52(S1):684-691.

[8]于江燕,王倩,孟宪静,张瑞敏,耿蕾蕾.基于动态时空Transformer的城市网络流量预测方法[J].计算机工程与应用,

[9]潘义勇,徐家聪,尤逸文,全勇俊.网约车出行需求影响因素多尺度空间异质性分析[J].吉林大学学报(工学版),作者简介：刘红波（1987—），男，汉族，本科，研究方向为大数据工程。