考虑降雨影响的短时交通量预测研究

摘要：

针对以往短期交通量预测模型都忽略了非交通因素对交通量预测干扰和影响的问题,将降雨因素作为外界影响交通量的特征纬度,构建了考虑降雨因素条件下的神经网络预测模型.通过对比分析常规深度学习模型与考虑多源数据变量的预测模型精准度的差异性,所建立的R-DBN、R-LSTM模型预测精度表现更为优异.这表明多源数据的融合可以一定程度上提高深度学习模型的准确性,在后续的相关研究中,可以将更多影响交通量的非交通因素考虑在内,提升预测模型的推广和泛化能力.

关键词：交通工程、交通量预测、深度学习模型、多源数据融合、时间序列

所属期刊栏目：40

分类号：U411(道路工程)

资助基金：河南省交通运输厅科技项目;河南省交通运输厅科技项目

在线出版日期：2022-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：589-594