考虑多特征的高速公路交通流预测模型

来源：交通运输系统工程与信息杂志2021年第3期北京时间：

作者：李桃迎，王婷，张羽琪

单位：大连海事大学，航运经济与管理学院，辽宁 大连 116026

摘要：为准确预测高速公路交通流，缓解高速公路交通拥堵现象，本文提出一种考虑多特征的高速公路交通流预测模型。首先将高速公路当前道路与上下游的交通流、天气等数据转化为一个二维矩阵，并利用滑动窗口模型获得输入样本的最佳长度；然后将样本数据输入集成深度学习模型训练并提取交通流数据的特征，随后输出预测结果；最后，将某高速公路交通流数据用于工作日和节假日两组实验。结果表明：集成深度学习模型比单一模型预测高速公路交通流的效果要好，工作日的高速公路交通流预测精度远高于节假日，本文模型将平均绝对误差由 6.40辆·(20 min)-1 降到5.450辆·(20 min)-1，说明考虑多种因素可以提升高速公路交通流预测精度。

关键词：公路运输,交通流预测,深度学习,高速公路,交通拥堵

基金资助：国家自然科学基金/ National Natural Science Foundation of China(51939001)；辽宁省兴辽英才计划 /Liaoning Revitalization Talents Program(XLYC1907084)；辽宁省重点研发计划/ Key Research & Development Project in Liaoning Province(2020JH2/10100042)。