原文传递
基于深度学习的高速公路交通速度预测模型研究
| 题名： | 基于深度学习的高速公路交通速度预测模型研究 |
| 正文语种： | 中文 |
| 作者： | 黄来荣;谷庆;林凤榕;赖树坤;朱慧先;林洁;田俊山 |
| 作者单位： | 福建省高速公路信息科技有限公司;福建省电子与电驱动重点实验室福建工程学院 |
| 关键词： | 高速公路;深度学习;交通流预测;ETC数据 |
| 摘要： | 准确地预测高速公路交通速度，能够为高速公路的应急管理和拥堵疏导提供重要的数据基础，对高速公路的控制和诱导具有重要意义。本文利用深度学习框架构建了BiLSTM预测模型，首先，对ETC系统交易数据进行数据预处理和特征构建，得到交通速度特征矩阵；然后，利用Bi-LSTM来捕捉高速公路交通流的时间特征，将交通速度特征矩阵输入至BiLSTM预测模型中进行训练与学习；最后，通过使用福建省福厦高速公路ETC门架系统数据进行验证。结果表明，相较于HA、ARIMA和LSTM等模型，该模型拥有更好地预测精度，可为智能高速公路管理系统提供决策、分析与调度提供参考依据。 |
| 期刊名称： | 中国交通信息化 |
| 出版年： | 2022 |
| 期： | 09 |
| 页码： | 129-132,142 |
检索历史
应用推荐
