基于GPS轨迹数据的货车交通流量需求预测循环神经网络模型
王晟由
邵春福
董春娇
黄士琛
郑炎
北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室,北京100044
摘要：动力性差、尺寸大是货车影响道路交通流运行效率的重要原因,为提高货车运行效率,对快速路货车流量预测问题进行研究.基于货车GPS轨迹数据,构建长短时循环神经网络(Long Short Term Memory,LSTM),门控神经单元(Gated Recurrent Unit,GRU),双向长短时记忆网络(Bidi-rectional Long Short Term Memory,Bi-LSTM)和双向门控神经单元(Bidirectional Gated Recurrent Unit,Bi-GRU)四种货车交通流量需求预测循环神经网络模型.研究结果表明:货车交通流量需求预测循环神经网络模型对货车交通流量具有很好的预测能力,平均预测精度为91.55％,较ARIMA高出10.45％;GRU模型对整体货车流量序列预测精度最高;低峰时段平均预测精度高于高峰时段,LSTM在波动较强的高峰时段预测精度最高,为96.83％;Bi-GRU在低峰时段的预测精度最高,为97.66％.研究成果将为政策制定者选用合适的循环神经网络模型,精准预测货车流量,提高货车交通运行效率提供理论和技术支持.
关键词：交通工程货车交通流量预测LSTMGRUBi-LSTMBi-GRU
分类号：U495(交通工程与公路运输技术管理)
资助基金：国家自然科学基金(52072025)
论文发表日期：2021-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 15-23 )
英文信息