南京邮电大学学报(自然科学版)

作者：黄海平,陈亚杰,周超然,常舒予

单位：1.南京邮电大学 计算机学院，江苏 南京 210023；2.江苏省物联网智能感知与计算重点实验室，江苏 南京 2100233.南京邮电大学 理学院，江苏 南京 2100231.南京邮电大学 计算机学院，江苏 南京 210023；2.江苏省物联网智能感知与计算重点实验室，江苏 南京 2100231.南京邮电大学 计算机学院，江苏 南京 210023；2.江苏省物联网智能感知与计算重点实验室，江苏 南京 210023

关键词：智能交通系统;交通预测;机器学习;深度学习;图神经网络

基金：国家自然科学基金重大项目（62293503）和江苏省科研与实践创新计划（SJCX24_0325，KYCX23_1077）资助项目

在物联网与大数据蓬勃发展的背景下，精准的交通预测已然成为智能交通系统（ITS）的关键所在。近年来，深度学习等前沿技术逐步被引入交通系统，借助对交通系统图结构以及时空信息的建模，有效应对诸多复杂难题，并取得了突破性进展。对基于深度学习的交通预测方法进行了研究，先是对交通预测问题予以一般性描述，然后详细梳理了五类用以解决交通预测问题的方法，即基于传统统计学的方法、基于机器学习的方法、基于深度学习的方法、基于融合Transformer架构与预训练范式的深度学习方法以及基于大语言模型与多模态预训练的方法，并进一步深入探讨各方法的特点与优劣。同时，对比分析若干经典的交通流量与速度预测实例，展示预测性能。最后，指出当前交通预测领域尚存的一系列挑战，并对未来可能的研究方向做出展望。

来源：2026年第01期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2026年第01期