基于AGRU-Trans融合模型的特长海底隧道交通量预测

摘要

为了使海底隧道交通管控部门更好地掌握准确的交通数据，给出行者提供更好的交通引导，通过对循环神经网络和Transformer算法的研究，结合GRU与Transformer模型算法优点并加入自注意力机制，提出一种基于AGRU-Trans融合模型的海底隧道交通量预测模型。选取胶州湾海底隧道市南-黄岛交通运行数据，通过AGRU-Trans融合模型与3种基准模型对比发现，LSTM,Transformer, GRU模型的平均绝对误差(MAE)相比AGRU-Trans分别大了31.48%,67.54%,20.57%;均方根误差(RMSE)分别增长了35.63%,38.45%,32.02%。结果表明：AGRU-Trans融合模型的预测结果与真实数据贴合性最好，预测精度均高于基准模型，因此，基于此方法可为胶州湾海底隧道管理部门对车辆进行精细化诱导及管控提供理论参考。

关键词

海底隧道 / 交通量预测 / AGRU-Trans融合模型 / 循环神经网络 / Transformer模型