科研之友
微信
新浪微博
Facebook
分享链接
摘要
为缓解高速公路养护施工作业对高速公路车辆通行的影响，以甘肃省酒泉高速公路为研究对象，提出了一个基于多元时空关系的公路交通流量时序预测模型。首先，使用数据结构化定义模块将一维时序数据结构化建模为二维特征数据，便于提取序列数据的空间关系。随后，将特征送入自注意力特征提取模块，使模型学习数据样本的时空关系依赖，并根据数据分布对有利于预测任务的特征分配更大的权重。最后，将两个公开交通流数据集(PEMS4与PEMS8)与甘肃省真实半封闭养护施工路段的交通流量数据集进行对比试验，计算出时序预测模型与其他模型在PEMS4与PEMS8上的数据预测误差。结果表明：时序预测模型在两个交通流数据集上有着优秀的性能表现；对比当前SOTA算法图神经网络STFGNN,时序预测模型在PEMS4数据集上的MAE减少0.53,RMSE减少0.45,在PEMS8数据集上MAE减少0.83,RMSE减少0.96;在甘肃省酒泉高速公路真实的半封闭养护施工路段的交通流量数据上，时序预测模型在真实交通流量预测任务中有着更低的预测误差，比STFGNN的MAE减少1.19,达到0.83,RMSE减少2.26,达到2.14,表明时序预测模型在交通流预测中有着更好的预测精度。研究结果可为甘肃省高速公路养护施工提供准确的交通流预测。
- 单位
