基于WiFi探针数据的短时交通状态预测

作者：吴启用; 廖嘉欣; 兰小机^*

来源：江西理工大学学报, 2021, 42(04): 11-18.

DOI：10.13265/j.cnki.jxlgdxxb.2021.04.002

• 交通拥堵
• WiFi探针
• LSTM网络
• 交通状态

针对传统交通数据获取成本高,以及单参数输入的LSTM模型预测精度不高等问题,提出一种基于WiFi探针数据的短时交通状态预测方法。首先利用WiFi探针数据构建交通状态指数数据集,然后采用LSTM网络构建预测模型,并分析不同交通参数组合对模型预测精度的影响,最后比较不同模型对同一路段的预测性能。试验结果表明:交通流量会影响交通状态指数的预测精度,相比于仅考虑交通状态指数的LSTM网络,同时引入交通流量和上下游信息的LSTM网络的预测精度提升明显,其RMSE、MAE分别降低了11.89%,12.22%,R2提高了3.6%;另外,LSTM模型较SVR和GBDT模型具有更高的预测精度,证明了该方法的有效性。

• 单位
  江西理工大学