融合多因素的“时间齿轮”交通流预测模型
"Time gear" traffic flow prediction model with multiple factors integration作者机构:青岛理工大学机械与汽车工程学院山东青岛266520
出 版 物:《河北科技大学学报》 (Journal of Hebei University of Science and Technology)
年 卷 期:2022年第43卷第5期
页 面:550-559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(52272311 62003182)
主 题:公路运输管理 交通流预测 多因素 注意力机制 门控循环网络
摘 要:为提高交通流预测的准确度,结合城市道路交通的特点,提出一种融合多因素的“时间齿轮交通流预测模型(TGM),将模型分为2个模块对交通流的影响因素进行特征挖掘。模块1通过深度分析天气因素的影响,挖掘提取天气因素的特征信息;模块2仿照转轴与齿轮的关系,将目标路段及其邻近交叉口各个方向路段的交通流量数据作为时间轴上的轮齿。模型框架采用正反2个方向都加入注意力机制(attention mechanism)的双向门控循环网络(bidirectional gated recurrent unit, Bi-GRU)。结果表明,TGM模型明显优于多种现有模型;与Bi-GRU模型相比,TGM模型对5,15,25 min的预测精度分别提高了4.75%,6.37%和6.73%。因此,TGM模型能够有效提高交通流预测的准确度,具有更优的中长时预测能力,可为交通组织的优化和交通流理论的研究提供帮助。