10.11835/j.issn.1000-582X.2022.205
微观轨迹信息驱动的Bi-LSTM合流区车速预测
为明确城市快速路合流区的微观速度特性,确保车辆在衔接段运行速度协调可控,使车辆安全运行.首先,基于无人机高空视频,从广域视角提取了典型多车道交织区全样本高精度车辆轨迹数据,分析车速的累积频率、分布趋势、特征百分位值等运行特性.然后,基于可有效捕捉前向历史速度数据的变化特征的LSTM模型,构建Bi-LSTM车速预测模型;考虑到人工设置训练参数对模型预测性能的影响较大、时间较长,提出基于遗传算法优化的Bi-LSTM速度预测模型(GA-Bi-LSTM).最后,以R2、Error Mean、Error StD、MSE、RMSE、NRMSE、秩相关rs这7类评价指标,建立多指标融合的评价方案.结果表明:GA-Bi-LSTM速度预测模型表现较优,拟合指标R2、秩相关rs分别为0.9046、0.9495,误差指标Error Mean、Error StD、MSE、RMSE、NRMSE分别为0.0041、0.4470、0.1997、0.4469、0.0765.研究成果可为城市快速路的合流区车速调控提供理论依据.
交通工程、速度预测、GA-Bi-LSTM、多车道交织区、微观轨迹数据、遗传算法
46
U491.2(交通工程与公路运输技术管理)
国家自然科学基金;国家重点研发计划
2023-05-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
120-128