基于神经网络的小时间粒度交通流预测模型

来源：交通运输系统工程与信息杂志2017年第1期北京时间：

作者：姚志洪, 蒋阳升, 韩鹏，罗孝羚 徐韬

单位：1. 西南交通大学a. 交通运输与物流学院；b. 综合交通运输智能化国家地方联合工程实验室，成都610031； 2. 重庆交通大学交通运输学院，重庆400074

摘要：为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大 不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上，先分析了下游交 叉口车辆到达与上游交叉口车辆离去之间的关系，基于此构建了基于神经网络的小时间 粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入，下游交叉口到达流量分 布为输出，时间粒度为5 s.最后，通过实际调查数据标定模型参数并应用模型预测下游交 叉口到达流量.结果表明，与Robertson 模型相比，本文模型预测结果能够更好地反映交通 流的变化特征，平均预测误差减少了8.3%.成果可用于信号配时优化.

关键词：交通工程,交通流预测,神经网络,车队离散,信号配时优化

基金资助：国家自然科学基金/ National Natural Science of China（51578465，71402149）；西南交通大学拔尖创新人才培育/ Outstanding Innovative Talents Fostering Fund of Southwest Jiaotong University（2016-2017）.