考虑区域占有率的RTCN路内停车泊位预测模型

• 作者: 徐建闽 朱琳聪 马莹莹
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 空闲泊位数预测 TCN神经网络 RAdam 区域占有率
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 土木工程
• 页码范围: 112-123
• 页数: 12页
• 分类号: TU473.1
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2022.0112

摘要

针对汽车停车过程中反复寻泊产生无效交通量这一问题,以向公众提供准确的实时及预测的停车位信息为目标,考虑到当前卷积神经网络(CNN)和递归神经网络(RNN)在空闲泊位短时预测的研究中存在的缺陷,同时为了解决路内停车样本数过少的问题,将RAdam算子引入TCN模型中,其中,TCN模型用于提取空闲泊位的时间特征,RAdam算子用于解决停车样本数过少的不足.为了解决空闲泊位数预测空间特征提取,在分析区域占有率和空闲泊位数相关关系的基础上,提出考虑区域占有率的RTCN短时空闲泊位数预测模型,最后以广东省深圳市南山区的路内停车路段为例进行分析.结果表明:RTCN模型的训练时间远远低于LSTM和GRU模型,并且均方根误差和平均绝对误差也低于LSTM和GRU模型,将区域占有率引入RTCN模型后,预测精度得到进一步提升,本文提出的模型不仅有效降低了预测误差还提高了模型的训练速度.