基于EEMD和SCINet的高速公路交通流量预测

作者：闫伟曦; 陈鹏^*; 唐鹏; 李祥; 谢羽飞

来源：武汉理工大学学报, 2022, 44(10): 30-39.

• 交通流量预测
• 集合经验模态分解
• 样本卷积和交互网络
• 时间序列

准确的高速公路交通流量预测对于出行规划、交通管理与控制等都有重要意义。但是交通流具有非线性和随机性，而且感应式检测器采集到的交通流数据中往往存在噪声数据，实现准确预测仍具有一定难度。针对此问题，提出基于集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）与样本卷积交互网络（Sample Convolution and Interaction Network,SCINet）的高速公路交通流量预测模型。首先使用EEMD去除数据噪声；然后训练SCINet模型并进行不同步长下的预测；之后以均方根误差、平均绝对误差和平均绝对百分比误差为指标，对所提出方法的预测性能进行评价，并与3类基准模型进行比较；最后根据不同状态划分单独的子集来进行模型训练，以适应不同场景下的预测。实验结果表明，合理运用数据去噪方法能够在一定程度上提升初始预测模型的性能，而且基于EEMD和SCINet的模型具有较好的预测性能，在高速公路短期流量预测和中期流量预测方面均具有实用性。

• 单位
  武汉理工大学