基于双向长短期记忆网络的城市快速路合流区车速预测

作者：谢济铭; 夏玉兰; 秦雅琴; 赵荣达; 刘兵; 段国忠; 陈金宏

来源：西南交通大学学报, 2022, 1-9.

• 交通工程
• 速度预测
• 多车道交织区
• 轨迹数据
• 贝叶斯优化

非典型复杂场景微观交通参数的准确预测，是保证车路协同系统(IVICS)稳定运行的前提。首先，基于无人机高空视频，从广域视角提取交织区高峰时段全样本高精度车辆轨迹数据；然后，考虑双向长短期记忆网络时间较长且人工设置训练参数对模型预测性能影响较大，针对实例合流区高峰时段车速离散、分布紊乱、瓶颈现象等独特特性，提出基于贝叶斯超参数（Bayesian hyperparameters optimization）优化的BHO-Bi-LSTM （BHO-Bi-directional long short term memory）车速预测集成模型；最后，构建经典多元线性回归车速预测模型、Bi-LSTM车速预测模型作为对比。结果表明：BHO-Bi-LSTM模型表现最优，拟合优度、秩相关度分别为91.05%、94.87%，误差均值(error mean)、误差的标准差(error std)、均方误差(MSE)、均方根误差(RMSE)、归一化均方根误差(NRMSE)分别为0.0561、0.4556、0.2106、0.4589、0.0785，有效改善了合流区高峰时段车速特性复杂而导致不易预测的缺陷。

• 单位
  昆明理工大学; 云南省交通投资建设集团有限公司