成果简介：

交通流精确预测是现代交通管理的关键。它能提前预判车流变化，支撑动态调整信号灯配时、引导车辆避堵，有效提升通行效率；还可预警流量骤增等风险，辅助事故后分流，降低安全隐患。同时，其数据能优化道路规划与公交线网，减少资源浪费，兼具效率、安全与社会效益。然而，传统的交通预测速度方法预测精度和鲁棒性较差，会延误交通管理者进行拥堵前的交通疏导与管控，甚至会造成城市交通系统瘫痪。因此，本成果利用先进的深度学习技术和代价敏感学习方法对时空交通数据进行建模和模型优化，开发了一种高精度、路网级的峰值敏感交通速度预测方法。另外，本成果还具备提高峰值时期预测精准度的功能。本成果可以广泛的应用于复杂路网环境下的交通速度预测，提高交通速度预测准确准确性和鲁棒性。另外，本成果还可应用于具有相似模式的其他交通预测任务。

成果转化方式：技术转让、技术开发、技术服务