原文传递
基于ATT-LSTM模型的高速公路交通事件持续时长预测
| 题名： | 基于ATT-LSTM模型的高速公路交通事件持续时长预测 |
| 正文语种： | 中文 |
| 作者： | 贾兴利;李双庆;杨宏志;陈星澎 |
| 作者单位： | 长安大学公路学院;咸阳市规划设计研究院 |
| 关键词： | 交通安全;高速公路;交通事件;持续时长;注意力机制;长短时记忆网络 |
| 摘要： | 为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明：使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。 |
| 期刊名称： | 交通信息安全 |
| 出版年： | 2022 |
| 期： | 05 |
| 页码： | 61-69 |
检索历史
应用推荐
