基于ARIMA-LSTM的高速公路交通安全组合预测模型研究

作者：梁乃兴; 闫杰; 杨文臣^*; 曹源文; 房锐

来源：重庆交通大学学报(自然科学版), 2023, 42(04): 131-138.

• 交通工程
• 交通事故预测
• ARIMA-LSTM
• 组合模型
• 高速公路
• 时间序列

为建立准确有效的交通事故预测模型，提升高速公路交通安全水平，以重庆市11条高速公路2011—2016年共计65 119起交通事故为基础，选取“事故数量”和“死亡人数”2项总量指标，描述统计高速公路交通事故在时间维度上的月分布规律。通过自回归差分移动平均(ARIMA)模型捕捉时间序列数据中的线性时序特征，使用长短时记忆神经网络(LSTM)模型拟合预测残差序列中的非线性时序特征，建立了基于ARIMA和LSTM的高速公路交通事故组合预测模型，并以均方根误差(RMSE)、平均绝对百分比误差(MAPE)值作为模型的评估指标。结果表明：ARIMA-LSTM组合预测模型各项指标的预测精度均优于单一的ARIMA模型，其中“死亡人数”组合模型改善效果显著，其RMSE与MAPE值相较于ARIMA模型分别改善了55.83%和54.80%;“事故数量”组合模型的RMSE和MAPE相较于ARIMA模型改善了23.15%、23.29%。

• 单位
  云南省交通规划设计研究院有限公司; 重庆交通大学; 土木工程学院