基于BF-SVR-GRU的短时交通流预测方法

• 作者: 龚彭钰 邬群勇
• 来源期刊: 贵州大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 智能交通 巴特沃兹滤波 短时交通流预测 门控循环单元 支持向量回归
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 工程科学研究及应用
• 页码范围: 111-118
• 页数: 8页
• 分类号: U495
• 语种: 中文
• DOI: 10.15958/j.cnki.gdxbzrb.2022.02.17

摘要

短时交通流预测是智能交通管理的重要依据.为了提高短时交通流预测的精度,从交通流内在的稳态特征和动态特征着手,提出一种基于巴特沃兹滤波(Butterworth filter,BF),结合支持向量回归(support vector re-gression,SVR)算法和门控循环单元(gated recurrent unit,GRU)模型的预测方法,即BF-SVR-GRU模型.该方法先对交通流标准化处理,以加快后续模型计算的速度.通过设置适当阈值,利用巴特沃兹滤波将交通流信息分解为稳态分量和动态分量:稳态分量反映交通流总体变化趋势,动态分量反映突发因素(如交通事故、天气影响等)对交通流的影响.利用门控循环单元对稳态分量进行训练与预测,克服门控循环单元在预测变化剧烈的序列精度较低的问题;支持向量回归对非线性序列预测存在适应性较好、低泛化误差等优点,利用支持向量回归对动态序列进行训练与预测.最后,将稳态分量与动态分量的预测结果整合得到最终预测结果.采用某市不同的两个路口的数据集进行相关实验,结果表明,BF-SVR-GRU预测方法具有较好的预测精度,可为智能交通规划与管理提供有效的建议.