基于CEEMDAN-DBSCAN-ICA-LSTM模型的道路交通流量预测研究

扫码查看

原文链接

万方数据
维普

中文摘要：为了充分利用和提升神经网络模型预测道路交通流量的能力，帮助城市交通管理机构科学合理的开展快速路交通管理，专门选取成都市日月大道快速路匝道车流量数据，利用经验模态分解模型(CEEMDAN)和DBSCAN(Density-Based Spatial Clustering of Applications with Noise)结合独立主成分分析(ICA)的长短期记忆网络(LSTM)构建交通流预测模型，对快速路车流量进行预测。首先运用CEEMDAN 模型对快速路匝道某天 24h的车流量数据进行CEEMDAN信号分解，然后使用DBSCAN算法进行聚类，再利用ICA算法进行降维。最后，利用LSTM模型处理ICA算法降维后数据，再将各组分训练结果相加得到最终的CEEMDAN-DBSCAN-ICA-LSTM 神经网络模型预测结果。基于快速路车流量数据的CEEMDAN-DBSCAN-ICA-LSTM 模型仿真结果表明:该组合预测模型分别比常见的 LSTM 模型、CEEMDAN-LSTM 模型、CEEM DAN-ICA-LST M 模型、CEEMDAN-DBSCAN-LSTM模型的 MAE值分别平均提升了 6。21%，3。45%，2。6%和 1。75%;MAPE值平均提升了 7。52%，2。3%，1。8%和1。4%;RMSE值平均提升了8。51%，1。25%，1。1%和 1%。上述研究证明CEEMDAN-DBSCAN-ICA-LSTM 模型有效提高对城市快速道路车流量的预测精度和效果。

作者：

张合川、邓琮、张献军、杨尚川

展开 >

作者单位：

四川开梁高速公路有限责任公司达州市 636250

四川交通职业技术学院成都市 611130

关键词：

交通工程交通流量预测智能交通系统神经网络模型 CEEMDAN LSTM DBSCAN

出版年：

2024

公路

中国交通建设集团有限公司

公路

CSTPCD北大核心

影响因子：0.54

ISSN：0451-0712

年,卷(期)：2024.69(12)