原文传递
基于ETC门架数据的高速公路短时交通流预测
| 题名： | 基于ETC门架数据的高速公路短时交通流预测 |
| 作者： | 刘群;杨濯丞;蔡蕾 |
| 作者单位： | 山东高速建设管理集团有限公司;北京中交国通智能交通系统技术有限公司 |
| 关键词： | 智能交通;交通流预测;神经网络;ETC门架数据;高速公路 |
| 摘要： | 截止到2021年2月底，全国建设了2.66万套ETC门架系统，产生了大量数据，这些数据记录了断面、路段及路网泊交通流参数，为交通流的预测提供了新思路，但是目前缺乏有效的应用。为合理利用ETC门架数据、探究基于ETC门架数据进行交通流预测的较优方法，选取了4种神经网络模型进行了预测结果和精度的对比。首先分析了ETC门架系统的构成及数据内容，研究了BP，ELMAN，RBF，GR神经网络模型的预测过程；在ETC门架系统产生的1T数据中，抽取6d共231657条原始断面数据进行预处理，共得到3456条流量和速度数据。然后，将前4d的数据作为4种模型的输入参数，在相同交通流时间序列、相同交通流时间汇集度和不同交通流状态向量维度下，预测未来2d交通流的速度和流量。最后进行神经网络预测结果对比分析。结果表明：(1)ELMAN模型的预测精度最优，模型的各类评价指标(RMSE，MAPE，MAE)均有显著优势；(2)ELMAN神经网络模型预测速度比预测流量准确，在二者均能反映路网交通运行状态的情况下，可以由速度的预测结果反推流量的预测值。本研究将对高速公路交通流预测、评估等工作起到重要作用。 |
| 期刊名称： | 公路交通科技 |
| 出版日期： | 202204 |
| 出版年： | 2022 |
| 期： | 04 |
| 页码： | 123-130 |
检索历史
应用推荐
