一种BiLSTM-MCEP融合模型的短期交通流量预测

郭中华; 李蕾蕾; 李小军; 李占虎

兰州交通大学学报 ›› 2026, Vol. 45 ›› Issue (1) : 22 -30+51.

郭中华, 李蕾蕾, 李小军, 李占虎

作者信息 +

Author information +

文章历史 +

PDF

摘要

对传统时间序列模型的局限性进行深入分析，发现其主要依赖线性假设，难以有效捕捉复杂数据中的非线性动态关系。针对这一问题，研究了一种融合全连接层和KAN网络的双路径设计，以BiLSTM模型为基础，融入多尺度卷积和高效通道注意力机制，构建了BiLSTM-MCEP混合模型用于短时交通流量预测。通过采用端到端的学习框架模式，利用神经网络间的优势互补特性，充分挖掘不同时间段的历史数据，从而提升了模型的整体性能和预测效率。基于PeMS交通数据集进行了实验验证，结果显示该模型RMSE为0.048 15,MAE为0.035 43,MSE为0.002 32,R²为0.943 68。对比实验结果表明，与BiLSTM模型相比，该方法在建模准确性和鲁棒性方面均实现了显著提升，展现出较强的预测能力。