基于改进量子粒子群算法的高峰短时交通流量预测

石庄彬; 沈雪岩; 肖海承

doi:10.13885/j.issn.0455-2059.2025.06.010

兰州大学学报（自然科学版） ›› 2025, Vol. 61 ›› Issue (6) : 789 -797. DOI: 10.13885/j.issn.0455-2059.2025.06.010

基于改进量子粒子群算法的高峰短时交通流量预测

石庄彬, 沈雪岩, 肖海承

作者信息 +

Author information +

文章历史 +

摘要

为提升对快速路高峰时段交通流量预测的精度与泛化性,提出一种基于改进量子粒子群优化(IQPSO)算法、双向长短期记忆网络(BiLSTM)与注意力机制(ATT)的交通流量预测模型IQPSOBiLSTM-ATT.该模型通过IQPSO优化BiLSTM的参数配置,提升了模型在全局搜索和局部收敛上的能力. BiLSTM模型结合ATT增强了对交通流量时序特征的捕捉能力,能够更精准地预测复杂交通环境下的短时流量变化.分别在多个路段和复杂气象条件下对模型进行了实验验证.通过引入不同路段的交通流量数据和气象因素,如温度、相对湿度、降水量等,验证了该模型在多维数据场景下的适用性和泛化能力.结果表明, IQPSO-BiLSTM-ATT模型在均方根误差、平均绝对误差和平均绝对百分误差等指标上均优于传统预测模型,预测准确率显著提升,并在不同时间、不同路段的实验中表现出较高的稳定性和适应性,为复杂交通环境下的精准流量预测提供了有效的理论支持和技术手段.