原文传递
基于循环神经网络的路段短时速度预测
| 论文题名： | 基于循环神经网络的路段短时速度预测 |
| 关键词： | 路段短时速度预测;门控循环单元神经网络;金枪鱼群优化算法;超参数优化 |
| 摘要： | 路段短时速度预测可以动态反映路段未来短期内的服务水平和通行时间，为出行者提供更灵活的路径选择参考，为交通管理者提供宏观调控的依据，实现交通资源的合理分配，提高城市交通系统的运行效率，缓解城市交通问题。论文以在提高短时速度预测准确度的同时保障效率为目标，探索更优的路段短时速度预测方法，基于循环神经网络理论构建更符合需求的预测模型。 首先，根据交通和天气等数据分析路段短时速度的特性和影响因素，确定了基于不同周同一日的速度、拥堵延时指数、天气数据的单路段多因素输入的短时速度预测基本思路。其次，通过分析路段短时速度预测现有研究成果，选择基于循环神经网络理论建立路段短时速度预测模型。将循环神经网络类中的长短期记忆（LongShort-TermMemory，LSTM）神经网络和门控循环单元（GatedRecurrentUnit，GRU）神经网络组合，建立GRU-LSTM模型并优化网络结构，并利用金枪鱼群优化（TunaSwarmOptimization，TSO）算法优化模型的超参数。最后，选取武汉市部分路段基于构建的GRU-LSTM模型进行短时速度预测，通过输入速度、拥堵延时指数及天气历史数据预测未来时段速度值。实验结果显示，基于TSO算法的GRU-LSTM模型能在较短的训练时长内精准预测路段的短时速度。 构建的路段短时速度预测GRU-LSTM模型性能优越，计算效率高，针对不同的路段均能实现精准的短时速度预测，同时降低了超参数标定的难度，避免了人工调试的繁琐和不确定性。论文研究可以为短时速度预测提供新思路，为出行者和交通系统管理者提供决策依据。 |
| 作者： | 王舜 |
| 专业： | 交通运输 |
| 导师： | 高健智 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
