公交专用道条件下公交车辆轨迹的Seq2Seq预测

• 作者: 张楠 董红召 佘翊妮
• 来源期刊: 浙江大学学报（工学版）
• 关键词: 高维时间序列 循环神经网络(RNN) 序列到序列(Seq2Seq) 多层循环编码器-解码器(HRED) 智能交通系统(ITS)
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 土木工程、交通工程|Civil Engineering, Traffic Engineering
• 页码范围: 1482-1489,1517
• 页数: 9页
• 分类号: U491.2
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.08.009

摘要

即使在公交专用道条件下,因受前方车辆、站台通行能力、行人过街等因素影响,由路段上游到下游停车线持续一定时长的公交车辆轨迹仍然表现出较强的不确定性.简单场景下的单一目标时间序列模型难以有效应对不确定性对公交车辆轨迹预测的影响.针对上述问题,提出将车辆通过路段的整体轨迹表示为由多个相对简单的局部时间序列顺序组成的高维时间序列,应用循环神经网络的单层和多层循环编码器-解码器结构建立高维时间序列中局部序列和整体序列的映射关系,从当前时段轨迹序列开始依次循环预测每个局部序列直到获得未来时段的整体序列.在实验验证中,采用杭州市文三路公交线路的实测GPS轨迹数据对2种结构进行训练和测试.结果表明,所提方法优于现有流行的多步循环序列到序列方法,其中多层结构预测结果和复杂场景的泛化性能均优于单层结构.