混合模型在网约车出行预测研究中的应用

作     者：帅春燕 王昱翔 许庚 SHUAI Chunyan;WANG Yuxiang;XU Geng

作者机构：昆明理工大学交通工程学院昆明650500 昆明市规划设计研究院市政与交通所昆明650051 

出 版 物：《重庆理工大学学报（自然科学）》 (Journal of Chongqing University of Technology：Natural Science)

年 卷 期：2022年第36卷第7期

页      面：162-169页

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金项目(71861017) 云南省基础研究计划项目(202001AT070030) 

主　　题：智能交通 网约车出行 交通流 机器学习 SSA 

摘      要：网约车出行交通流实时预测是智能交通的重要研究领域,针对网约车出行的交通流特点,提出SSA-LSTM-SVR混合模型对网约车短时交通流进行预测分析。使用奇异谱分析(singular spectrum analysis,SSA),将交通流分解为1个主分量和3个随机分量,根据各分量的不同特征,分别采用长短期记忆神经网络(long-short term memory,LSTM)和支持向量回归(support vector regression,SVR)对不同分量进行预测,并将各分量的预测结果进行权重融合,得到最终的预测值,SSA-LSTM-SVR能够捕捉网约车出行交通流的主要规律及其随机变化趋势,预测结果也能够反映交通流的短期变化。结果表明:与其他基线模型相比,所提出的SSA-LSTM-SVR模型具有较低的预测误差和较高的精度和拟合度,其MAPE平均降低了4%以上,预测精度平均提高了6%以上。