陈 刚
(广西交通投资集团,广西 南宁 530022)
随着高速公路系统的完善以及人们生活水平的提高,机动车数量日益增加,高速公路交通拥堵现象频发,且目前高速公路交管部门对交通数据的准确掌握还存在一定的局限性,因此未能很好地为出行者提供更好的引导。由此,对高速公路的交通流量进行准确预测具有重要意义[1-2]。交通流量是指在单位时间内通过道路某断面的车辆数目[3]。目前诸多相关学者的研究对象是如何建立一个适应性强、精确度高的交通流量预测模型[4-5],且交通流量也是使用智能交通系统进行交通控制和诱导的重要基础[6-7]。
国内外学者对高速公路交通流量预测做了大量研究。曾宪堂等人[8]研究发现数据质量和算法精度是交通流预测的关键;刘永乐等人[9]将CNN-BiLSTM模型与简单基准模型进行对比,实验结果表明该模型更加符合实际交通流量变化规律,但并未关注时间序列中更重要的因素;Deng等人[10]将时间序列分析问题转化为图像分析任务,提出模型具有预测路网不完整数据流量的能力,但这些深层网络结构比较复杂,并且其可解释性不强;Dissanayake B等人[11]采用机器学习VAR模型进行预测,但该模型不能精准体现交通流的非线性和随机性,因此预测精度差;Zhang等人[12]提出基于Spark下时空特征关系的加权KNN模型,预测效率相比KNN算法明显提高。
在上述研究的基础上,为了提高高速公路交通流量预测精度并考虑到交通流量数据具有的随机性、非线性及周期性等特点,该文设计了基于改进门控循环网络的高速公路交通流预测模型,对高速公路交通流量进行有效预测。……