徐 磊,孙朝云,李 伟,杨荣新

(长安大学 信息工程学院,西安 710064)

随着国民经济的发展,我国机动车数量快速增长,道路拥堵时常发生,高速公路作为我国公路的楷模,其服务水平比一般的道路更好.交通流量调(交调)数据是研究高速公路通行能力的重要参考指标,为了提高高速公路的服务水平,对高速公路进行更好的整修和养护,亟需加强对交调数据的预测研究.

预测研究的关键在于预测模型的建立,提高预测结果精准度的重要方法便是选择合适有效的预测模型.序列预测通常分为时间序列预测和多元回归预测,目前在国内外研究中,大多是通过传统的神经网络方法对序列进行预测.例如,Zhou 等人针对传统数学统计方法的局限性等问题建立BP 神经网络预测模型,通过将BP 算法与指数平滑和线性回归方法进行比较,最后证明了BP 算法预测结果能为企业制定库存计划提供更好的建议[1].成云等人针对现阶段城市道路交通流预测精度不高的局限性,提出了一种基于差分自回归滑动平均和小波神经网络组合模型的预测方法来进行交通流预测,最后证明了组合模型可以提高交通流预测精度[2].Zhang 等人为了更准确的预测交通流量,实现交通控制和交通拥堵管理,提出了一种基于XGboost和LightGBM 算法的组合预测模型,实验结果表明组合模型比单个模型有更高的预测精度[3].Wu 等人针对2008-2018年云南省货运数据及其影响因素建立了灰色神经网络模……