基于深度学习的高速公路交通速度预测模型研究

作者：黄来荣; 谷庆; 林凤榕; 赖树坤; 朱慧先; 林洁; 田俊山

来源：中国交通信息化, 2022, (09): 129-142.

DOI：10.13439/j.cnki.itsc.2022.09.011

• 高速公路
• 深度学习
• 交通流预测
• ETC数据

准确地预测高速公路交通速度,能够为高速公路的应急管理和拥堵疏导提供重要的数据基础,对高速公路的控制和诱导具有重要意义。本文利用深度学习框架构建了BiLSTM预测模型,首先,对ETC系统交易数据进行数据预处理和特征构建,得到交通速度特征矩阵;然后,利用Bi-LSTM来捕捉高速公路交通流的时间特征,将交通速度特征矩阵输入至BiLSTM预测模型中进行训练与学习;最后,通过使用福建省福厦高速公路ETC门架系统数据进行验证。结果表明,相较于HA、ARIMA和LSTM等模型,该模型拥有更好地预测精度,可为智能高速公路管理系统提供决策、分析与调度提供参考依据。

• 单位
  福建工程学院