来源：期刊VIP网 时间：
作者：汪承焱;金强;陈滨;
单位：嘉兴大学人工智能学院;浙江理工大学计算机科学与技术学院(人工智能学院);
摘要：针对神经网络的预测方法对交通流时空特性表征效果差、预测准确率低的问题，提出一种基于多尺度胶囊网络的交通流预测模型(MST-CapsNet)。通过胶囊网络多尺度特征提取和动态路由机制，模型能有效捕捉交通流多尺度空间特征，并引入时域卷积网络提取交通流不同维度的时域特征，克服传统卷积神经网络在交通流特征提取时的局限性。实验结果表明，所提模型在预测精度上优于基线模型，尤其是在交通流波动较大时更具有优势。该交通流预测模型具有较好的拓展性，为学生课后的研究与实践提供了新的方向。
关键词：交通路网矩阵;;多尺度胶囊网络;;时域卷积网络;;交通流预测
基金资助：教育部产学合作协同育人2022年第1批项目(220506008181505,220606363015535);; 浙江省基础公益研究计划项目(LTGS23F030002);; 嘉兴市公益性研究计划项目(2022AY10021);; 嘉兴大学2023年度自制仪器设备项目(ZS202305)
