劉 偉，劉 川

(重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074)

0 引 言

從20世紀(jì)90年代以來，小轎車開始進(jìn)入我國尋常百姓的家中，城市機(jī)動(dòng)車保有量的增加,必然會(huì)導(dǎo)致交叉口機(jī)非混行嚴(yán)重[1]。在現(xiàn)實(shí)交通系統(tǒng)中,網(wǎng)絡(luò)的交通需求是可變的[2]，因此人們對(duì)道路的需求開始增多并且以前從未出現(xiàn)過的交通問題也開始頻繁出現(xiàn)并影響著社會(huì)的發(fā)展。所幸，智能交通的發(fā)展對(duì)于交通問題的解決起到了有效的作用，是近年來研究的熱點(diǎn)。準(zhǔn)確地預(yù)測交通流是實(shí)現(xiàn)智能交通發(fā)展的前提和關(guān)鍵,也是智能化交通管理的客觀需求[3]，同時(shí)，交通流預(yù)測也是目前動(dòng)態(tài)交通流領(lǐng)域的主要研究內(nèi)容。由于交通流具有隨機(jī)性、非線性、動(dòng)態(tài)性和反饋性等特性，對(duì)此，可將交通流預(yù)測方法大致分為兩大類，第1類是線性參數(shù)法，例如時(shí)間序列、卡爾曼濾波、線性回歸等；第2類是非線性參數(shù)法，例如混沌理論、深度學(xué)習(xí)以及k近鄰等。

在前些年，國內(nèi)外學(xué)者利用線性參數(shù)法來預(yù)測交通流的較多。為了避開傳統(tǒng)數(shù)學(xué)表達(dá)式不能很好地進(jìn)行動(dòng)態(tài)趨勢描述的缺點(diǎn)，趙亞偉等[4]利用多維時(shí)間序列法來對(duì)高速公路的ETC短時(shí)交通流量進(jìn)行預(yù)測；S.V.KUMAR[5]針對(duì)ARIMA模型需要大量連續(xù)交通量數(shù)據(jù)的缺點(diǎn)，利用卡爾曼濾波來對(duì)交通流進(jìn)行預(yù)測，成功避開了數(shù)據(jù)帶來的限制；楊高飛等[6]則將卡爾曼濾波和ARMA進(jìn)行組合，利用組合模型來預(yù)測短時(shí)交通流，在預(yù)測精度上，該組合模型比兩個(gè)單一模型有了很大的提高。隨著時(shí)代的進(jìn)步和計(jì)算機(jī)技術(shù)的發(fā)展，面對(duì)交通流的不確定性，越來越多的學(xué)者傾向于通過利用非線性參數(shù)法來預(yù)測交通流，從而提高預(yù)測精度。王春安[7]提出了在Hadoop環(huán)境下利用MapReduce處理框架與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的預(yù)測模型來預(yù)測交通流，該模型不僅可以分析大量數(shù)據(jù)，而且還可以減小預(yù)測時(shí)間以及增強(qiáng)預(yù)測的實(shí)時(shí)性；在交通流數(shù)據(jù)缺失、不完整等情況下，TIAN Yan等[8]提出了一種基于長短時(shí)記憶(LSTM)的模型來克服數(shù)據(jù)缺陷在交通流預(yù)測中的不足。交通流的變化具有隨機(jī)性和非線性的特點(diǎn)，對(duì)預(yù)測精度帶來了一定的干擾，N.G.POLSON等[9]對(duì)此基于深度學(xué)習(xí)的方法，提出了正則化和tanh層序列結(jié)合的模型。而國內(nèi)梁艷平等[10]則利用相似數(shù)據(jù)與變k值KNN(KNN-SDA)算法來預(yù)測短時(shí)交通流，相比較于傳統(tǒng)方法減小了由于交通流的時(shí)變性帶來的預(yù)測誤差。

綜上所述，有關(guān)交通流的研究一直是一個(gè)研究熱點(diǎn)，且目前已經(jīng)發(fā)表了大量的相關(guān)文獻(xiàn)。隨著大數(shù)據(jù)技術(shù)及計(jì)算機(jī)技術(shù)的快熟發(fā)展，對(duì)研究領(lǐng)域的大量文獻(xiàn)從宏觀上進(jìn)行數(shù)據(jù)可視化分析以探討它們的共性以及研究趨勢、前沿及熱點(diǎn)，將對(duì)后續(xù)深入的研究是很有必要的。對(duì)此，筆者采用了文獻(xiàn)計(jì)量法來分析從1990年到2018年10月份之間的有關(guān)動(dòng)態(tài)交通流研究的文獻(xiàn)。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

筆者采用中國知網(wǎng)(CNKI)的高級(jí)檢索功能，以“動(dòng)態(tài)交通流”為主題，選取時(shí)間為1990年到2018年，選擇范圍是核心期刊、EI期刊和SCI期刊，總共搜索到146篇。筆者用知網(wǎng)自帶的數(shù)據(jù)可視化功能并結(jié)合Excel以及CiteSpace軟件來進(jìn)行相關(guān)數(shù)據(jù)分析。

1.2 研究方法

利用文獻(xiàn)計(jì)量法來對(duì)搜索到的146篇期刊進(jìn)行期刊年份發(fā)表趨勢、期刊來源狀況、研究機(jī)構(gòu)分布以及基金分布分析。利用美國德雷塞爾大學(xué)陳超美教授開發(fā)的CiteSpace軟件對(duì)期刊的關(guān)鍵詞進(jìn)行共現(xiàn)網(wǎng)絡(luò)分析[11]，從關(guān)鍵共現(xiàn)網(wǎng)絡(luò)圖可以看出頻次最高以及中心度最大的關(guān)鍵詞，以此作為判斷該領(lǐng)域研究熱點(diǎn)的依據(jù)。

2 研究結(jié)果

2.1 期刊發(fā)表總趨勢

期刊發(fā)表數(shù)量的變化趨勢反映了交通流知識(shí)的變化，因此文獻(xiàn)的數(shù)量是衡量知識(shí)量的重要尺度之一[12]。根據(jù)知網(wǎng)自帶的數(shù)據(jù)可視化功能，得出了從1990年到2018年(10月)各年份所發(fā)的期刊數(shù)量數(shù)據(jù)，利用Excel做出折線圖，如圖1。由圖1可知，從20世紀(jì)90年代初期開始，發(fā)表期刊數(shù)量開始從無到有并逐漸增多，其中1998年為20世紀(jì)發(fā)表期刊最多的年份，達(dá)到6篇。接著從2000年開始，由于科技在發(fā)展，汽車產(chǎn)業(yè)不斷提升，人們對(duì)汽車的需求也開始增加，因此，期刊發(fā)表量大體上呈現(xiàn)增長之勢，一直到2012年達(dá)到頂峰，有12篇之多。2012年后，汽車價(jià)格上漲、公交優(yōu)惠等政策紛紛出現(xiàn)，從而使車輛保有量增加率降低，減輕了一定的交通壓力，因此從2012年后開始，期刊發(fā)表量有所下降并保持穩(wěn)定狀態(tài)。從圖1展現(xiàn)的趨勢來看，2012年之前國家正處于快速發(fā)展時(shí)期，機(jī)動(dòng)車保有量不斷增多；2012年之后，國家開始逐漸重視質(zhì)量的發(fā)展，因此機(jī)動(dòng)車保有量得到相應(yīng)的緩解，從而在一定程度上減小了交通流，在這期間關(guān)于交通流研究的期刊也隨之相應(yīng)地減少并保持穩(wěn)定狀態(tài)。

綜上所述，從期刊發(fā)表總趨勢來看，我國關(guān)于交通流研究的過程大概經(jīng)歷3個(gè)階段：第1階段是萌芽階段，20世紀(jì)90年代中后期開始發(fā)表文章并保持小范圍波動(dòng)，突破了之前零發(fā)表的記錄，表現(xiàn)出我國對(duì)于交通流的研究已經(jīng)提到日程上來，揭示了我國開始注重交通行業(yè)領(lǐng)域發(fā)展的跡象；第2階段是快速發(fā)展階段，從21世紀(jì)初開始，經(jīng)歷了10年的快速發(fā)展期，這期間文章的發(fā)表整體上呈現(xiàn)出爆發(fā)式的增長，與此期間我國交通領(lǐng)域迅速發(fā)展的事實(shí)相符；第3階段是高質(zhì)量穩(wěn)定發(fā)展階段，在2012年后，文章的發(fā)表明顯有一個(gè)小幅度的回落期并保持穩(wěn)定，這說明了我國交通開始進(jìn)入一個(gè)新的發(fā)展階段，即注重質(zhì)量發(fā)展而不是數(shù)量發(fā)展的時(shí)期。按照此趨勢并結(jié)合現(xiàn)有國情，筆者認(rèn)為未來幾年里該領(lǐng)域的文章發(fā)表趨勢將繼續(xù)保持高質(zhì)量穩(wěn)定發(fā)展?fàn)顟B(tài)，且在一定的小范圍內(nèi)上下波動(dòng)。

2.2 期刊來源分布

利用文獻(xiàn)計(jì)量法中的期刊來源分析指標(biāo)，運(yùn)用CiteSpace軟件的可視化分析功能查找出分別來自核心期刊、EI期刊和SCI期刊的期刊名以及登載數(shù)量和占比數(shù)據(jù)。

2.2.1 核心期刊來源分布情況

核心期刊來源分布情況如表1。由表1可知，核心期刊來源種類共有41種，共登載87篇論文，占總數(shù)的59.59%，其中登載3篇及以上的期刊種類有8種，《公路交通科技》登載數(shù)量最多，有19篇，占總數(shù)量的13.01%；《系統(tǒng)仿真學(xué)報(bào)》次之，登載5篇，占總數(shù)量的3.42%；《系統(tǒng)工程》、《長安大學(xué)學(xué)報(bào)(自然科學(xué)版)》、《計(jì)算機(jī)仿真》均登載4篇，各占總數(shù)量的2.74%；《公路》、《控制工程》和《計(jì)算機(jī)工程與應(yīng)用》均登載3篇，各占總數(shù)量的2.05%；其余期刊登載數(shù)量都少于3篇，具體情況請(qǐng)見表1。關(guān)于動(dòng)態(tài)交通流研究的核心期刊來源種類豐富，不僅有交通類的期刊，而且還有學(xué)報(bào)、計(jì)算機(jī)以及管理等方面的期刊。但是，真正起到主要來源作用的是《公路交通科技》、《系統(tǒng)仿真學(xué)報(bào)》等排在較前的少數(shù)期刊，而有24種核心期刊都只登載1篇論文，這說明關(guān)于交通流研究的核心期刊來源分布廣但卻集中在少部分期刊中，分布不均勻。

表1 核心期刊來源分布情況

2.2.2 EI期刊來源分布情況

EI期刊來源分布情況如表2，共有19種EI期刊，共登載54篇，占總數(shù)量的36.99%。其中登載3篇及以上的有7種，共登載38篇，占整個(gè)EI期刊來源數(shù)量的70.37%，是EI期刊的主要來源，這7種分別是《交通運(yùn)輸系統(tǒng)工程學(xué)報(bào)》、《中國公路學(xué)報(bào)》、《交通運(yùn)輸系統(tǒng)工程與信息》、《同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版)》、《控制與決策》、《華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)》和《土木工程學(xué)報(bào)》。對(duì)交通流研究貢獻(xiàn)最多的大多都是高校學(xué)報(bào)類的期刊，這說明在需要一定研究深度的前提下，學(xué)報(bào)類的期刊相比較其他方面的期刊更有優(yōu)勢。

表2 EI期刊來源分布情況

2.2.3 SCI期刊來源分布情況

經(jīng)過數(shù)據(jù)處理發(fā)現(xiàn)，對(duì)于SCI來源的期刊只有一種，即《物理學(xué)報(bào)》，共登載5篇，占總數(shù)量的3.42%。在中國知網(wǎng)數(shù)據(jù)庫下，對(duì)于SCI期刊，《物理學(xué)報(bào)》對(duì)交通流的研究相對(duì)來說是最適合發(fā)表的。然而在收錄的將近30年里，SCI級(jí)別的論文只有5篇，可謂少之又少，這說明了我國對(duì)于交通流的研究深度還不夠深，想法以及模型等還不夠新穎，這些都需要廣大的研究者努力攻克的方向。

從上述期刊來源分析可知，從20世紀(jì)90年代以來到2018年這不到30年期間，我國在核心刊物上發(fā)表的關(guān)于動(dòng)態(tài)交通流研究的文章接近150篇，幾乎每年發(fā)表有5篇，從整體上說明了我國對(duì)于動(dòng)態(tài)交通流的相關(guān)研究比較重視，特別是2000年以來的快速發(fā)展階段。然而從具體來源期刊級(jí)別分析可知，我國發(fā)表的文章接近60%的都來自核心刊物，其中《公路交通科技》居多；僅僅37%的文章來自EI刊物，剩下不到4%的文章來自SCI刊物，且都來自《物理學(xué)報(bào)》。對(duì)于這樣的期刊來源分配比例，筆者認(rèn)為我國對(duì)于交通流的研究雖然有重視，但力度還不夠，對(duì)于EI級(jí)別以上的文章還處于少數(shù)部分。目前國家正處于交通強(qiáng)國戰(zhàn)略發(fā)展階段，需要大力發(fā)展交通來提升我國的交通綜合實(shí)力，這對(duì)于交通領(lǐng)域的學(xué)者來說將是一個(gè)機(jī)遇同時(shí)也是挑戰(zhàn)。

2.3 研究機(jī)構(gòu)分布

若一個(gè)領(lǐng)域的研究機(jī)構(gòu)非常多且每個(gè)機(jī)構(gòu)都有知名作者在發(fā)表期刊且有一定的上升趨勢，則說明該領(lǐng)域目前是非常熱點(diǎn)的研究領(lǐng)域，因此研究機(jī)構(gòu)的分布情況是有必要且有意義的。通過對(duì)146篇文獻(xiàn)進(jìn)行研究機(jī)構(gòu)數(shù)據(jù)分析發(fā)現(xiàn)研究機(jī)構(gòu)共有40種，其中36種都是國內(nèi)各高校學(xué)報(bào)，且發(fā)表論文共140篇，占總數(shù)量的95.89%。由于機(jī)構(gòu)種類較多，限于篇幅僅列出了發(fā)表4篇及以上的最具代表的機(jī)構(gòu)名稱，其余研究機(jī)構(gòu)都?xì)w為其他類，如圖2。對(duì)于研究機(jī)構(gòu)來講，其在該領(lǐng)域有發(fā)表論文的作者知名度越高，則越能說明該研究機(jī)構(gòu)在動(dòng)態(tài)交通流的相關(guān)領(lǐng)域非常權(quán)威，不僅發(fā)表數(shù)量豐富，而且論文質(zhì)量很高。對(duì)此，筆者對(duì)上述最具代表的研究機(jī)構(gòu)分別列出有發(fā)論文且知名度較高的作者名字，具體詳見表3。

表3 研究機(jī)構(gòu)分布

目前國內(nèi)對(duì)于交通流研究的主要研究機(jī)構(gòu)絕大多數(shù)都來自于在學(xué)術(shù)理論上有很強(qiáng)造詣的知名大學(xué)，極度缺少像設(shè)計(jì)研究院、城市規(guī)劃院等注重實(shí)踐性的非高校機(jī)構(gòu)，這說明了我國對(duì)于交通領(lǐng)域特別是與交通流相關(guān)的領(lǐng)域的研究機(jī)構(gòu)還很單一，沒有形成理論與實(shí)踐相結(jié)合的綜合性研究機(jī)構(gòu)。然而值得注意的是，交通學(xué)科本身就是一門多學(xué)科交叉的綜合性學(xué)科，同時(shí)涉及科學(xué)領(lǐng)域知識(shí)和人文領(lǐng)域知識(shí)，需要大量廣泛的知識(shí)積累才能進(jìn)行相關(guān)研究。對(duì)此，對(duì)交通領(lǐng)域進(jìn)行研究若僅從理論上出發(fā)，也許在理論上能達(dá)到要求，但付諸實(shí)踐時(shí)就很有可能達(dá)不到預(yù)期的要求。

2.4 基金分布

基金資助可以對(duì)研究者起到很好的激勵(lì)作用，有了基金項(xiàng)目資助，研究者就會(huì)大膽細(xì)致地做研究，為學(xué)術(shù)研究做出貢獻(xiàn)。因此，研究基金分布是非常有必要的。通過知網(wǎng)數(shù)據(jù)庫的數(shù)據(jù)可視化功能，可得到基金的分布情況。如圖3，在這146篇期刊當(dāng)中，國家自然科學(xué)基金的有72篇，國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃的有14篇，國家高技術(shù)研究發(fā)展計(jì)劃的有14篇，國家科技支撐計(jì)劃的有9篇，高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金的有8篇，廣東省自然科學(xué)基金的有5篇，其他的基金項(xiàng)目均少于5篇，共計(jì)24篇。圖3說明，國家對(duì)交通流領(lǐng)域的相關(guān)研究比較重視，大部分都是國家級(jí)科研基金，而地方級(jí)科研基金顯得較少。在地方級(jí)科研基金中，廣東省自然科學(xué)基金是支持?jǐn)?shù)最多的地方級(jí)科研基金，領(lǐng)先其他地方級(jí)科研基金。

數(shù)據(jù)分析表明，交通流研究領(lǐng)域的基金項(xiàng)目種類還不夠豐富，且將近一半的文章均由最具吸引力的國家自然科學(xué)基金所資助，其他基金項(xiàng)目特別是地方級(jí)的科研基金資助的文章非常少。

3 內(nèi)容分析

上述內(nèi)容是筆者對(duì)研究成果進(jìn)行的客觀現(xiàn)狀分析，并得出了相應(yīng)的結(jié)論?，F(xiàn)在對(duì)研究內(nèi)容進(jìn)行分析，主要是針對(duì)關(guān)鍵詞來分析交通流領(lǐng)域的研究情況。筆者利用CiteSpace文獻(xiàn)可視化分析軟件來對(duì)這146篇期刊進(jìn)行關(guān)鍵詞可視化分析，通過對(duì)關(guān)鍵詞的分析可以簡單快速地了解動(dòng)態(tài)交通流研究領(lǐng)域的基本狀況。通過操作CiteSpace軟件，從146篇期刊中選出了最熱門的關(guān)鍵詞，并將關(guān)鍵詞出現(xiàn)的頻次(count)、中心度(central)、年份(year)這3個(gè)要素的值都找出來制成表格，如表4。其中，頻次代表關(guān)鍵詞出現(xiàn)的次數(shù)，值越大越說明該關(guān)鍵詞受到很大的重視；中心度在關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖中起著樞紐作用，體現(xiàn)出該關(guān)鍵詞與其他關(guān)鍵詞的相關(guān)關(guān)系。為了更直觀地表現(xiàn)出關(guān)鍵詞間的聯(lián)系，制作了關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖，如圖4。

對(duì)表4的數(shù)據(jù)進(jìn)行分析可知，在交通工程專業(yè)領(lǐng)域內(nèi)，動(dòng)態(tài)交通流研究模型以元胞傳輸模型運(yùn)用的最多，其他數(shù)值模型相對(duì)較少。為構(gòu)建更高效的動(dòng)態(tài)交通流分配模型，王秋平等[13]通過利用Green-shields速度-密度關(guān)系來優(yōu)化傳統(tǒng)的元胞傳輸模型，使之更能有效地模擬道路上動(dòng)態(tài)交通流的運(yùn)行特性。姚凱斌等[14]以能量守恒定律和宏觀基本圖為基礎(chǔ)，提出了改進(jìn)的元胞傳輸模型來模擬信號(hào)交叉口的動(dòng)態(tài)交通流運(yùn)行狀況。為了提高動(dòng)態(tài)交通流狀態(tài)的辨識(shí)度，張敬磊等[15]將貝葉斯網(wǎng)絡(luò)結(jié)合速度、流量和占有率3個(gè)交通流參數(shù)提出了基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的動(dòng)態(tài)交通流狀態(tài)識(shí)別方法。吳立烜等[16]建立了一種價(jià)格-擁擠混合調(diào)節(jié)的非均衡網(wǎng)絡(luò)交通流動(dòng)態(tài)演化模型來研究城市路網(wǎng)動(dòng)態(tài)交通流的演化規(guī)律并通過數(shù)值實(shí)驗(yàn)來驗(yàn)證該模型對(duì)提高路網(wǎng)通行效率的可行性。

表4 關(guān)鍵詞要素

對(duì)于動(dòng)態(tài)交通流的應(yīng)用領(lǐng)域，在交叉口信號(hào)控制方面研究的最多。由于不對(duì)稱的動(dòng)態(tài)交通流會(huì)導(dǎo)致交叉口各進(jìn)口道交通負(fù)荷分布不均勻，蔣賢才等[17]對(duì)此建立了交叉口不對(duì)稱交通流的信號(hào)控制參數(shù)優(yōu)化模型。為了提高交叉口混合交通流的通行效率，張偉等[18]提出了一種交通流單點(diǎn)自適應(yīng)控制系統(tǒng)的架構(gòu)和算法，并用VISSIM仿真驗(yàn)證了該算法的實(shí)用價(jià)值。龍建成等[19]利用元胞傳輸模型來研究動(dòng)態(tài)交通流條件下的交叉口信號(hào)控制問題，數(shù)值實(shí)驗(yàn)表明，相比于固定信號(hào)配時(shí)方法，動(dòng)態(tài)信號(hào)配時(shí)方法對(duì)于提高動(dòng)態(tài)交通網(wǎng)絡(luò)的通行效率更有效。

對(duì)關(guān)鍵詞的頻次與中心度進(jìn)行二者的差異性和一致性的耦合性分析，可以得出研究領(lǐng)域的研究熱點(diǎn)及發(fā)展趨勢[20]。據(jù)此，從表4及圖4可以看出，除交通工程、交通流及高速公路這3個(gè)交通領(lǐng)域常見的關(guān)鍵詞外，真正值得關(guān)注的關(guān)鍵詞是元胞傳輸模型、仿真、交通流模型及神經(jīng)網(wǎng)絡(luò)等。因此，不難分析出在推崇智能交通發(fā)展的時(shí)代，如何運(yùn)用像元胞傳輸模型、神經(jīng)網(wǎng)絡(luò)模型等智能算法來研究交通流的復(fù)雜特性并進(jìn)行實(shí)驗(yàn)仿真來驗(yàn)證結(jié)果將是智能交通研究的熱點(diǎn)及發(fā)展趨勢，這對(duì)推進(jìn)智能交通的發(fā)展將起到很大的作用。

4 結(jié) 語

國內(nèi)動(dòng)態(tài)交通流研究現(xiàn)狀總結(jié)。通過文獻(xiàn)計(jì)量法對(duì)國內(nèi)有關(guān)動(dòng)態(tài)交通流研究的核心級(jí)別以上的期刊進(jìn)行研究分析發(fā)現(xiàn)：期刊發(fā)表趨勢整體上保持逐年上升并趨于穩(wěn)定的狀態(tài)；期刊來源主要是核心期刊和EI期刊,SCI期刊較少；研究機(jī)構(gòu)以國內(nèi)大學(xué)居多，缺少其他類型研究機(jī)構(gòu)；基金分布主要集中在國家級(jí)基金項(xiàng)目上，地區(qū)級(jí)基金項(xiàng)目相對(duì)較少；動(dòng)態(tài)交通流模型種類還不夠豐富且應(yīng)用領(lǐng)域有待進(jìn)一步的擴(kuò)展。

今后動(dòng)態(tài)交通流研究發(fā)展趨勢。隨著大數(shù)據(jù)時(shí)代的不斷成熟發(fā)展，交通流數(shù)據(jù)將會(huì)變得越來越龐大和多樣化，這使得動(dòng)態(tài)交通流的非線性、復(fù)雜性以及隨機(jī)性特征變得越來越顯著。在這樣的情況下，傳統(tǒng)的理論方法就會(huì)越來越不適合被用來研究動(dòng)態(tài)交通流。然而在另一方面，大數(shù)據(jù)的發(fā)展帶動(dòng)了云計(jì)算的發(fā)展，云計(jì)算的發(fā)展又促進(jìn)了智能算法的發(fā)展，這就使得深度學(xué)習(xí)算法在動(dòng)態(tài)交通流預(yù)測方面深受專家學(xué)者的青睞。