基于残差增强门控循环神经网络的交通流量预测技术研究

随着近年来智慧城市轨道交通的快速发展和普遍应用，交通流量预测成为智慧城市轨道交通的关键性问题，对及时掌握交通状况、进行合理的资源配置和人力部署起着重要作用。文章以实现大规模交通网络的交通流量准确预测为目标，研究并设计一种基于残差增强门控循环单元的深度学习网络模型。在基本门控循环单元的基础上，引入残差连接思想，通过在门控循环单元的迭代回路之间增加线性连接，捕获数据中的长期时间依赖关系，同时克服循环神经网络在进行长期时间序列预测中的梯度消失或梯度爆炸问题。使用4个在真实交通网络中采集的大规模交通数据集对所提算法进行测试，分别从定量和定性的角度比较并验证所提算法的有效性。实验结果表明该算法能够使用前1h的历史数据、对大规模交通网络中各交通枢纽节点未来1h的交通状况进行较准确的交通流量预测，证明使用残差增强门控循环网络进行交通流量智能预测的可行性和准确性，为城市轨道交通智能运营管理的实现提供有力支撑。