考虑噪声影响的短时交通流预测模型及验证 |
| |
引用本文: | 程雅婷,赵胜利,谷远利.考虑噪声影响的短时交通流预测模型及验证[J].交通科技与经济,2023(2):11-16+23. |
| |
作者姓名: | 程雅婷 赵胜利 谷远利 |
| |
作者单位: | 1. 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 |
| |
基金项目: | 国家自然科学基金项目(41771478);;北京市科技计划项目(Z121100000312101); |
| |
摘 要: | 为进一步提高交通流预测的精确性,相较于忽略噪声影响的传统预测方法,提出一种基于小波变换的双向长短时记忆神经网络-自回归滑动平均模型的预测模型(WBLA)。WBLA模型首先采用小波变换,将交通流数据分解为特征项及噪声项,在此基础上,对特征项采用双向长短时记忆神经网络(BiLSTM)进行预测,对噪声项采用自回归滑动平均模型(ARMA)进行预测,最后对两项预测结果求和作为最终的预测结果。将未考虑噪声影响的其它基准方法作为对比模型,在美国加州高速公路交通流数据集上进行测试及验证,实验结果表明:WBLA模型同未考虑噪声影响的次好模型相比,MAE、RMSE和MAPE分别下降17.86%、15.98%、16.39%,表明WBLA模型符合实际交通流速度变化趋势,模型合理性得到验证。
|
关 键 词: | 智能交通 速度预测 小波变换 双向长短期记忆网络 自回归滑动平均模型 |
|