同济大学学报(自然科学版)

作者：张锋鑫，陈思曲，徐大林，唐克双，张政

单位：1.同济大学 道路与交通工程教育部重点实验室，上海201804;2.连云港杰瑞电子有限公司，江苏 连云港 222061;3.厦门市国土空间和交通研究中心 厦门规划展览馆，福建 厦门361012;4.江苏自动化研究所，江苏 连云港 222061

关键词：交通工程,城市快速路,交通拥堵,车辆路径,溯源,深度学习

为突破既有研究将交通拥堵溯源问题简化为路径流量估计或拥堵关联分析的局限，构建一个更全面有效的城市快速路交通拥堵点段车辆路径溯源体系，以路径为基本分析单元，构建融合路径流量估计与拥堵关联分析的统一框架，并提出基于路径的可变形卷积长短期记忆神经网络（RSDC-LSTM）方法。该模型包含3个核心模块：基于历史路径流量数据与短时预测数据构建路径状态特征集；通过多路径卷积长短期记忆网络与软注意力机制的协同建模，量化各路径对交通拥堵的动态影响权重；采用可变形卷积神经网络捕捉拥堵点段的空间拓扑关联特征，实现时空双维度的路径重要性评估。实证研究表明，RSDC-LSTM 能有效识别交通拥堵关键路径并建立影响度排序。通过对前10%高影响路径实施调控，可实现行程速度峰值提升23.36%，停车次数与延误时间最大降幅分别达 29.41% 与 43.82%。RSDC-LSTM 方法为动态交通管控策略制定提供了可量化的决策依据，有助于提升城市快速路的交通运行效率。

来源：2025年第3期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2025年第3期