首页|高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型

高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提前准确预知高速公路施工控制区交通流变化趋势,解决交通流时间序列中的长期依赖问题,文中建立了高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型.首先,将预处理后的动态交通流数据集按时间步长顺序输入到LSTM网络,对交通流信息建模和学习.然后,引入BiGRU和Attention机制以更好地捕捉上下文信息和提供更具针对性的权重分配.最后,将构建的LSTM-BiGRU-Attention模型与其他模型进行交通流预测对比,评估模型性能.实验以G35济广高速公路某施工控制区交通运行情况为案例进行研究,结果显示该模型的平均绝对误差MAE为1.91,均方根误差RMSE为2.83,决定系数R2为0.79,平均绝对百分数误差MAPE为3.23.对比其他模型,LSTM-BiGRU-Attention模型的4个评估指标均有所下降,说明该模型可为高速公路施工控制区提供更加精准的预测.
LSTM-BiGRU-Attention model for dynamic traffic flow prediction in highway construction control zones

traffic management and controltraffic flow forecastingLSTM-BiGRU-Attention modeldynamic traffic flowexperimental comparison

韩晓、陈昕、肇毓

展开 >

辽宁工业大学 汽车与交通工程学院,辽宁 锦州 121000

辽宁省高速公路运营管理有限公司,沈阳 110000

交通管理与控制 交通流预测 LSTM-BiGRU-Attention模型 动态交通流 实验对比

国家自然科学基金辽宁省教育厅科研项目

51675257LJKMZ20220977

2024

10.19348/j.cnki.issn1008-5696.2024.01.003

交通科技与经济
黑龙江工程学院

交通科技与经济

影响因子：0.862
ISSN：1008-5696
年,卷(期)：2024.26(1)
  • 14