基于EMD-GRU的高速公路行程时间组合预测模型

摘要：

考虑到高速公路行程时间影响因素繁多且行程时间序列非线性、非平稳特征显著,设计了基于经验模态分解和GRU神经网络的高速公路行程时间组合预测模型.首先,利用高速公路收费数据中车辆进出高速公路的时间信息获取路段行程时间序列;然后,利用经验模态分解算法,将复杂的行程时间序列分解为若干时间尺度不同、相对平稳的本征模态函数分量和残差分量;接着,使用GRU神经网络对各本征模态函数分量和残差分量进行预测与集成操作.实例分析表明:经验模态分解可有效提高LSTM、GRU神经网络的预测精度;在相同参数设置的情况下,GRU神经网络的预测精度优于LSTM神经网络.

关键词：智能交通、组合预测、行程时间、经验模态分解、GRU神经网络

所属期刊栏目：42

分类号：U491(交通工程与公路运输技术管理)

资助基金：教育部人文社会科学研究项目;重庆市社会科学规划项目

在线出版日期：2021-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：405-412