基于关联路链组的城市路网短时交通流预测模型

作     者：翁剑成 魏瑞聪 何寒梅 徐海辉 王晶晶 WENG Jian-cheng;WEI Rui-cong;HE Han-mei;XU Hai-hui;WANG Jing-jing

作者机构：北京工业大学交通工程北京市重点实验室北京100124 福建省高速公路联网运营有限公司福州350019 北京百度智行科技有限公司智能交通业务拓展部北京100085 北京市交通委员会北京100161 北京市交通运行监测调度中心北京100161 综合交通运行监测与服务北京市重点实验室北京100161 

出 版 物：《吉林大学学报（工学版）》 (Journal of Jilin University:Engineering and Technology Edition)

年 卷 期：2023年第53卷第11期

页      面：3104-3112页

核心收录：

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金项目(52072011,U1811463) 国家重点研发计划项目(2017YFE0134500) 

主　　题：交通运输系统工程 路链组划分 交通预测 密度峰值聚类 长短时记忆神经网络 时空 

摘      要：为更准确预测城市路网交通流状态,通过测算各路段重要度及最短距离路径长度表征路段的空间特征属性,提出了基于密度峰值聚类算法识别交通流时空相关性较强的关联路链集合。以同一路链内所有路段时空二维矩阵作为模型输入,构建基于路链组划分的长短时记忆神经网络(RCGD-LSTMNN)的交通流预测模型。以北京市路网为例,将四环路内骨干路网分为8个关联路链组,模型精度可达95%以上,且皆优于传统的LSTM和BP模型的预测结果,表明本文模型有良好适用性和精度稳定性,适用于不同时空模式的路链组交通状态预测。