科研之友
微信
新浪微博
Facebook
分享链接
摘要
短期交通流量预测是智能交通系统的重要组成部分。在某些交通控制场景中，提前获取未来的交通流量，有利于公路管理部门有足够的时间制定相应的交通流量控制措施。因此，建立一种准确的短期交通流量预测方法具有重要的意义，能够为高峰交通流量警告提供依据。本文提出了一种新的交通流量混合预测模型VMD-ICA-GMDH-BILSTM-ELMAN，该模型由VMD算法对历史交通流序列进行分解，并利用ICA算法对GMDH-BILSTM-ELMAN集成的网络模型参数进行优化。为了验证此模型的预测性能，在本文所提出的模型和其他模型之间进行了多次比较实验。实验结果表明：1) BILSTM网络，GMDH网络和ELMAN网络具有比其他单个模型更好的预测性能。2) VMD分解方法的加入可以显著改善ICA-GMDH-BILSTM-ELMAN模型的预测性能，且VMD方法的效果优于EEMD和FEEMD。综上所述，由VMD分解，ICA优化，BILSTM网络，GMDH网络和ELMAN网络组成的预测模型，对交通流序列具有精确的短期预测性能。
- 单位
