APP下载

基于多元因素的Bi-LSTM高速公路交通流预测①

2021-06-28袁绍欣陶建军周晨蓉阿合提杰恩斯

计算机系统应用 2021年6期
关键词:高速公路因素模型

张 维,袁绍欣,陶建军,周晨蓉,阿合提·杰恩斯

1(长安大学 信息工程学院,西安 710054)

2(绍兴市交通建设有限公司,绍兴 312000)

1 引言

目前我国高速公路总里程已达14.3 万公里,位列世界第一,高速公路出行承担了主要的交通出行量.但随着汽车保有量的增多,长时间大规模的拥堵频发,不仅降低了通行效率,还严重影响了民众的出行体验.为了保障高速公路的通畅,准确预测交通流量,提前做好交通信息服务显得十分重要.

早期交通流预测研究主要采用传统统计模型,如自回归模型[1]、整合移动平均自回归模型[2]、卡尔曼滤波模型[3]、非因素回归模型[4]、小波分析[5]、混沌理论[6]等.传统的统计模型大多对数据有一定的要求或者假设,要求模型本身有比较明确的数学形式,但是在大多数情况下,人们无法对真实世界数据的分布做任何假设.

而机器学习方法不需要对数据有任何假定,就可以对复杂多样的数据进行深层次的分析.如何通过机器学习对复杂多样的数据进行深层次的分析,高效利用信息已成为当前大数据环境下机器学习的主要研究方向.杨凡等通过遗传算法对模糊神经网络进行优化,提出一种混合智能数据挖掘的交通流量预测模型[7].Li 等结合ARIMA 模型和SVR,提出了一种同时捕获线性和非线性的混合策略用于交通流预测,提高预测精度[8].Du 等提出了一个结合RNNs和CNNs 的混合深度学习框架短期交通流预测模型[9].这些主要采用机器学习的方法,对大量历……

登录APP查看全文

猜你喜欢

高速公路因素模型
一半模型
腹部胀气的饮食因素
群众路线是百年大党成功之内核性制度因素的外在表达
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
高速公路与PPP
短道速滑运动员非智力因素的培养
《流星花园》的流行性因素
高速公路上的狗
GPS在高速公路中的应用