科研之友
微信
新浪微博
Facebook
分享链接
摘要
交通流量是交通管理中最为核心的控制参数。对于一些偏远的路口或者检测器设备损坏的路口,无法通过检测器来获得准确的交通流量信息从而无法对路口进行最优的动态交通管理。针对这类路口,为了能够获取到准确的交通流量数据,以出租车数据为研究对象,提出了一种基于浮动车数据的交通流预测算法,采用了基于经验模态分解(EMD)和门循环神经网络(GRU)的转向交通流短期组合预测模型进行算法验证。该算法先将GPS数据通过EMD进行分解,剔除其中的噪声数据后再将数据输入到GRU网络进行预测。最后以北京市中关村地区出租车GPS数据为研究对象进行方法验证。通过与LSTM神经网络模型的对比分析,结果表明,该模型具有更高的预测精度,解决了现有模型预测精度较差,无法排除噪声数据干扰的问题,预测结果可以为交通管理提供更准确的数据支撑。
- 单位
