基于最优汇集时间间隔的城市间断交通流预测
Prediction of urban interrupted traffic flow based on optimal convergence time interval作者机构：浙江大学智能交通研究所浙江杭州310058
出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)
年 卷 期：2023年第57卷第8期
页 面：1607-1617页
核心收录：
学科分类：0710[理学-生物学] 08[工学] 082303[工学-交通运输规划与管理] 0714[理学-统计学（可授理学、经济学学位）] 0836[工学-生物工程] 0701[理学-数学] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程]
基 金：国家自然科学基金资助项目(52131202,71901193,52072340) 浙江省"尖兵""领雁"研发攻关计划资助项目(2023C01240,2023C03155)
主 题：城市间断流 最优汇集时间间隔 信号控制周期 短时交通流预测 贝叶斯卷积神经网络
摘 要：针对城市交通流受信号控制的影响而呈现出间断性、周期性和随机性的特点,提出基于最优汇集时间间隔的城市间断交流预测方法.该方法首先基于傅里叶变换和自相关分析获取城市间断交通流的信号控制周期,再利用交叉验证均方差模型确定最优汇集时间间隔与信号周期的关系,在此基础上提出融合贝叶斯神经网络和深度学习模型的LSTM-BConv预测模型.基于实测数据的实验结果表明:1)基于最优汇集时间间隔统计交通流数据能有效提升城市间断交通流预测模型的预测精度;2)城市间断交通流数据的最优汇集时间间隔为交通信号控制周期的倍数;3)对比试验结果表明,LSTM-BConv预测模型优于常见的预测模型,平均绝对百分比误差提升了4.57%.预测结果可以为信号控制方案的优化提供参考依据.
维普期刊数据库
同方期刊数据库