近年來(lái),交通數(shù)據(jù)呈爆炸式增長(zhǎng),準(zhǔn)確、及時(shí)的交通流預(yù)測(cè)信息對(duì)于智能交通系統(tǒng)至關(guān)重要�；贚STM神經(jīng)網(wǎng)絡(luò)提出了一種考慮客車占比特征的短時(shí)交通流預(yù)測(cè)方法;提取車流數(shù)據(jù)中的客車占比特征并利用快速傅里葉算法（FFT）繪制其功率頻譜圖,驗(yàn)證了高速公路客車占比特征的周期性特點(diǎn);針對(duì)該特點(diǎn),提出了基于LSTM引入客車占比特征的短時(shí)交通流預(yù)測(cè)模型,并以廣州北環(huán)高速某收費(fèi)站為例進(jìn)行分析。結(jié)果表明:引入客車占比特征的LSTM預(yù)測(cè)模型,有效降低了短時(shí)交通流預(yù)測(cè)的誤差,提高了預(yù)測(cè)的正確率。 

【文章來(lái)源】：重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,39(11)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1 時(shí)間間隔為15 min時(shí)一周的交通流量

利用式(1)計(jì)算一周的車流數(shù)據(jù)中每個(gè)時(shí)序的客車占比情況，作出折線圖，結(jié)果如圖2。從圖1和圖2看出，高速公路交通流量數(shù)據(jù)與高速公路客車占比數(shù)據(jù)呈現(xiàn)明顯的周期性特征，與城市交通流理論中指出的大部分交通流量數(shù)據(jù)存在周期性相符合。這種特性不僅存在于周與周之間，不同的工作日之間，甚至一天內(nèi)某些時(shí)段的交通流量數(shù)據(jù)也存在著相似。提取出交通流數(shù)據(jù)中隱藏的周期性部分可以幫助更好地理解交通系統(tǒng)，便于取得更準(zhǔn)確的預(yù)測(cè)結(jié)果。

利用1.2.1節(jié)介紹的快速傅里葉(FFT)算法對(duì)高速公路流量數(shù)據(jù)(圖1)及客車占比數(shù)據(jù)(圖2)進(jìn)行周期性驗(yàn)證，分別繪制其功率頻譜圖，結(jié)果如圖3、圖4。圖4 客車占比數(shù)據(jù)周期-功率頻譜

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的短時(shí)交通流預(yù)測(cè)研究[J]. 王祥雪,許倫輝.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(01)
[2]基于時(shí)空特征分析的短時(shí)交通流預(yù)測(cè)模型[J]. 田�；�,郭彬.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[3]移動(dòng)平均法的滯后問題[J]. 李琦,陳玉新.  統(tǒng)計(jì)與決策. 2008(22)
[4]共軛對(duì)稱數(shù)據(jù)的DFT及其FFT算法[J]. 陳建平,曹清林,沈世德.  電子與信息學(xué)報(bào). 2001(02)



本文編號(hào)：3238408