基于系统关联性的高速公路大中型货车到达量多尺度预测

摘要

近年来，交通流中大中型货车流量占比逐渐增大，对城市交通的影响日愈增加，准确、及时的大中型货车到达量预测对精确的城市交通管控具有重要意义。针对该问题，本文提出了考虑系统关联性的高速公路大中型货车到达量多尺度预测方法：考虑高速公路网的系统关联性，对高速公路收费站进、出口大中型货车流量的时空关联性进行分析，构建神经网络模型学习空间权重与时间权重；每一时间步将输入与空间权重、时间权重融合，并设置偏置项修正后得到该时间步预测结果；各时间步预测结果对应求和得到最终预测结果。实验结果表明：所用方法在15、30、60 min的时间尺度下预测精度分别达到90.92%、92.48%、94.33%,优于其他对比模型，实用性和有效性均得到了保证。

关键词

交通流预测 / 系统关联性 / 神经网络 / 高速公路 / 大中型货车流量