文献类型：专利

中文题名：基于深度学习的城市路网交通拥堵状态预测方法及系统

作者：张森 高腾刚 王坚 刘毅 张良

机构：[1]贵州理工学院;

第一机构：贵州理工学院

专利类型：发明公开

申请号：CN202610081629.6

申请日：20260121

申请人地址：550025 贵州省贵阳市贵安新区党武镇博士路

公开日：20260224

代理人：马丹红

代理机构：上海天知澜知识产权代理有限公司 31523

语种：中文

中文关键词：城市路网交通;拥堵;状态预测;数据采集;预处理步骤;拥堵状态;图像数据;结构化;道路拥堵信息;拓扑;特征提取步骤;信息构建;拓扑图;路网拓扑;结构感知;状态编码;生成;融合;局部;全局;拓扑位置;状态向量;输入;改进;预测模型;动态调整;图结构;聚合节点;神经网络;深化

年份：2026

摘要：本发明提供一种基于深度学习的城市路网交通拥堵状态预测方法及系统,涉及智能交通控制技术领域,所述方法包括:获取城市路网的拥堵状态图像数据,并进行预处理以提取结构化的道路拥堵信息;基于所述道路拥堵信息构建路网拓扑图,并通过对所述路网拓扑图进行结构感知状态编码,生成融合局部拥堵特征与全局拓扑位置信息的结构感知状态向量;将所述结构感知状态向量输入至改进的深度学习预测模型,通过动态调整图结构并聚合节点信息的图神经网络进行特征深化与增强,最终输出未来多个时间尺度的路网拥堵状态预测结果。本发明能够实现城市路网拥堵状态的精准预测,为智能交通管理、资源调度优化、出行路径规划等提供可靠技术支撑。