摘要
高速公路交通流的实时精准预测是高速公路高效、科学管控的关键,对提高高速公路通行效率、提升交通管理服务水平具有重要意义.提出一种基于鲸鱼算法(Whale Optimization Algorithm,WOA)优化门控循环神经网络(Gate Recurrent Unit,GRU)的短时交通流预测模型(WOA-GRU),模型考虑天气环境变化对交通流运行状态的影响,并通过皮尔逊相关系数对其相关程度进行量化,以对模型输入特征指标进行筛选.引入鲸鱼优化算法对GRU模型的隐含层神经元个数、学习率等超参数进行寻优,以提升模型预测性能,进而提高高速公路交通流预测精度.结果表明:WOA-GRU预测模型比传统GRU模型预测拟合度可提高1.8％,WOA-GRU预测模型在融合天气特征情况下可比未考虑天气特征的模型预测拟合度提升2.5％.
基金项目
国家自然科学基金(52102412)
全国统计科学研究项目(2021LY017)
2021年度山东省自然科学基金项目(ZR2021MF019)
2021年度山东省自然科学基金项目(ZR2021QF110)
济南市科学技术局项目(2019GXRC022)
山东省科学技术厅项目(2021TSGC1011)
山东省科学技术厅项目(2022TSGC2096)
NETL
NSTL
万方数据