10.3969/j.issn.1003-3114.2023.04.023
基于模块化交通流组合预测模型
短时交通流预测是智能交通系统的核心能力组件之一,为城市交通管理、交通控制和交通引导提供智能决策支撑.针对交通路网交通流呈现的非线性、动态性和时序相关性,提出一种基于模块化的交通流组合预测模型ICEEMDAN-ISSA-BiGRU.采用改进的基于完全自适应噪声集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)方法对交通流非线性时间序列进行分解,获取本征模态分量(Intrin-sic Mode Functions,IMF);利用双向门控循环单元(Bi-directional Gate Recurrent Unit,BiGRU)挖掘交通流量序列中的时序相关性特征;基于动态自适应t分布变异方法改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA),实现对BiG-RU网络权值参数的迭代寻优,避免了短时预测结果陷入局部最优;基于公开PeMS数据集对短时交通流预测性能进行性能评估与验证.实验结果表明,所提组合模型的短时交通流预测性能优于 10 个传统模型,改进后的交通流量预测平均绝对误差(Mean Absolute Error,MAE)指标接近 10.98,平均绝对值百分误差(Mean Absolute Percentage Error,MAPE)指标接近 10.12%,均方根误差(Root Mean Square Error,RMSE)指标接近 12.42,且在不同数据集下所提模型具有较好的泛化性能.
短时交通流预测、完全自适应噪声集合经验模态分解、本征模态分量、麻雀搜索算法、双向门控循环单元
49
TP391(计算技术、计算机技术)
2023-08-15(万方平台首次上网日期,不代表论文的发表时间)
共12页
761-772