2026 秋季 · 个人学习计划

交通预测：十周学习路径

两条线并行——神经网络基础，以及交通领域的文献。先建立判断力，再动手。文献点标题即可下载。

01

文献

主列表按优先级排：预测主线 → 基础方法 → 信号控制 → 前沿。标注的周次是建议首次阅读时间，不是必须读完的期限。

  1. 01 基于深度学习的短期交通流预测方法综述 按「网格化 / 拓扑化」两种数据组织方式梳理预测方法，覆盖 CNN、RNN、GNN 的组合。预测主线的第一入口，重点读拓扑化部分。 崔建勋、要甲、赵泊媛 · 交通运输工程学报，2024，24(2)：50–64 · 15 页 · 维普被引 34 · 下载 PDF 第 3 周
  2. 02 基于深度学习的短时交通流预测研究综述 比崔建勋那篇更新，分类更细，单独覆盖注意力机制、Transformer 和混合网络。用来补 2024 年之后的进展。 熊章友、李卫军、朱晓娟、杨国梁、马馨瑜 · 计算机工程与应用，2025，61(11)：67–82 · 16 页 · 万方被引 13 · 下载 PDF 第 4 周
  3. 03 交通预测中的时空图神经网络研究综述：从模型解构到发展路径 时空图神经网络的系统性综述：数据预处理、静态图与动态图构建、时空特征融合、模型对比。29 页，当字典查，不要通读。 贾兴利、曲远海、朱浩然、杨宏志、姚慧、李孟晖 · 交通运输工程学报，2026，26(1)：46–74 · 29 页 · 当字典用，不通读 · 下载 PDF 第 5–6 周起
  4. 04 卷积神经网络及其在智能交通系统中的应用综述 前半讲 CNN 的四个零件（卷积、池化、激活、优化），后半讲它在交通里的应用：车牌、标志、车型识别，以及短时流量预测。偏计算机视觉，预测只占一节，用来建立「CNN 是什么」的直觉。 马永杰、程时升、马芸婷、马义德 · 交通运输工程学报，2021，21(4)：48–71 · 24 页 · 官网引用列表 61 条 · 下载 PDF 第 1–2 周
  5. 05 Attention Is All You Need（注意力机制原始论文） Transformer 的原始论文，提出自注意力机制，用注意力替代循环结构做序列建模。后面交通领域的 Transformer 模型都源于此，配合注意力机制课程读。 Vaswani、Shazeer、Parmar 等 · NeurIPS 2017，arXiv:1706.03762 · 15 页 · Transformer 的起点 · 下载 PDF 第 3–4 周
  6. 06 深度强化学习驱动的智能交通信号控制策略综述 信号控制从固定配时、感应控制到深度强化学习的演进，包含仿真平台和实验设置。想了解相邻方向时从这里进。 于泽、宁念文、郑燕柳、吕怡宁、刘富强、周毅 · 计算机科学，2023，50(4)：159–171 · 13 页 · 维普被引 18 · 下载 PDF 第 5–6 周
  7. 07 大规模智慧交通信号控制中的强化学习和深度强化学习方法综述 聚焦大规模、多交叉口的协同控制，讨论强化学习怎么扩展到全城路网。控制方向的进阶读物。 翟子洋、郝茹茹、董世浩 · 计算机应用研究，2024，41(6)：1618–1627 · 10 页 · 维普被引 9 · 下载 PDF 按兴趣
  8. 08 面向城市交通信号优化的多智能体强化学习综述 从多智能体协作角度梳理信号优化方法，数学味道更重。备选，控制方向感兴趣再看。 华贇、王祥丰、金博 · 运筹学学报，2023，27(2)：49–62 · 14 页 · 维普被引 4 · 下载 PDF 按兴趣
  9. 09 交通大模型综述 大语言模型与基础模型在交通管理、安全、自动驾驶中的尝试。前沿趋势，第 9–10 周再碰。 肖建力、邱雪、张扬、苏海昇、李志鹏、张传明 · 交通运输工程学报，2025，25(1)：8–28 · 前沿趋势，第 9–10 周再看 · 下载 PDF 第 9–10 周

红绿灯预测 · A 类：路口车流与排队（当前方向）

导师已确认的方向。预测信号交叉口未来几分钟各方向的到达流量或排队，再把结果交给配时。数据是流量检测器，和交通流预测主线衔接最顺。

  1. 10 交叉口短时流量 CEEMDAN-PE-OSELM 预测模型 以信号周期为尺度预测单个交叉口的短时流量，用 CEEMDAN 分解、排列熵重组和在线极限学习机组合。中文里较早把预测做到路口粒度的工作。 田秀娟、于德新、邢雪、商强、王树兴 · 哈尔滨工业大学学报，2018，50(3) · 7 页 · 下载 PDF 方向确认后
  2. 11 Urban Signalized Intersection Traffic State Prediction: A Spatial–Temporal Graph Model Integrating the Cell Transmission Model and Transformer 把元胞传输模型与 Transformer 结合，预测信号交叉口的交通状态。开放获取，代表「路口级 + 时空图」的最新做法。 Li、Xu、Li、Chen、Pan · Applied Sciences，2025，15：2377 · 23 页 · 开放获取 · 下载 PDF 方向确认后

红绿灯预测 · B 类：红绿灯本身的状态与配时（暂不投入）

预测相位、配时方案或剩余绿灯时间，需要信号灯运行日志或 SPaT 数据。方向已定为 A 类，这两篇留作背景对比，不占用当前阅读时间。

  1. 12 Time-to-Green Predictions for Fully-Actuated Signal Control Systems With Supervised Learning 用信号灯运行数据和检测器数据预测全感应控制下「还剩多久变绿」（time-to-green），对比线性回归、随机森林、LightGBM、BiLSTM 和 TCN。信号灯状态预测方向较权威的一篇。 Genser、Makridis、Yang、Ambühl、Menéndez、Kouvelas · IEEE T-ITS，2024，25(7)：7417–7430 · 13 页（arXiv 版） · 下载 PDF 方向确认后
  2. 13 FLight: optimization algorithm for traffic lights based on short-term traffic state forecast 先用 TCN、LSTM、自注意力和图注意力预测短期交通状态，再把预测结果送进信号灯优化算法。预测与控制衔接得比较完整的一个例子。 Liu、Huang · Machine Learning，2025，114：149 · 23 页 · 下载 PDF 方向确认后
02

十周安排

每周从对应行开始。神经网络课在 B 站，文献在下方。交通领域的词遇到再查，不单独排课。

周次神经网络文献交通知识
01–02 MLP → CNN 马永杰 2021：CNN 结构与智能交通任务 按需问答
03–04 RNN / LSTM → 注意力机制 崔建勋 2024 → 熊章友 2025 按需问答
05–06 GNN 基础 贾兴利 2026（按需查）+ 于泽 2023 按需问答
07–08 — 动手：METR-LA、历史平均 baseline、STGCN —
09–10 — 肖建力 2025，各综述的展望部分 行业现状与选题
03

读法

  1. 第一遍只读摘要、引言、结论和章节标题。目的是知道这篇文章在回答什么问题，不追细节。
  2. 第二遍精读拓扑化、图方法相关的部分。公式跳过，看不懂的段落直接问，不硬啃。
  3. 每篇读完写半页：它解决了什么、方法分几类、留下了什么问题。没有笔记等于没读。
  4. 遇到反复出现的交通术语，记进术语手册。问答本身就是最省时间的教材。
04

三个里程碑

01

能用自己的话解释交通预测在预测什么，以及它和信号控制的区别。

02

能跑通一次最小闭环：数据、基线、模型、指标，四样都有数字。

03

能向导师提出三个候选选题，并说清每个问题的方法与数据来源。