基于多车道加权融合的短时交通流预测研究

• 作者: 杨春霞 秦家鹏 王庆 李欣栩
• 来源期刊: 公路交通科技
• 学科: 交通运输
• 关键词: 智能交通 预测方法 多车道关联性 短时交通流 双向长短时记忆
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 智能交通
• 页码范围: 121-127
• 页数: 7页
• 分类号: U491.1+12
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0268.2021.01.015

摘要

短时交通流预测是改善交通规划与管理效率的一个重要因素,为了提高交通运输管理和调度能力,从路段多车道交通流隐含的交互关系,引入一种基于多车道加权融合的短时交通流预测方法.用该方法分析了加州高速公路某五车道单检测点各车道交通流与聚合交通流之间的相关性,发现每个车道交通流与聚合交通流都呈现高度关联性.基于此,构建一种能够学习交通流上下关联性的双向长短时记忆模型.基于3种时间间隔数据,选取某一间隔交通流进行归一化及预处理,将各车道交通流和聚合交通流数据分别构成相对应的一组,采用几十组同"星期几"相应数据分别输入双向长短时记忆模型进行训练,利用各部分模型分别预测同一天相应车道和聚合的交通流.最后对预测的各部分交通流采用岭回归算法计算融合权重.通过权重融合预测的各车道交通流和聚合交通流作为最终预测的交通流,进一步在三车道检测点的3个时间间隔交通流进行试验.结果表明:本预测方法相对于未考虑各车道交通流与聚合交通流相关性传统预测模型的MAE、RMSE值均有一定程度降低,具有更高的预测精度和鲁棒性,是一种有效的交通流预测方法.