利用出租车GPS轨迹数据进行短时交通流量预测:以重庆市解放碑街区为例

摘要：

交通流量预测是智能交通系统的重要组成部分.以重庆市解放碑街区为研究区域进行交通流量预测分析,基于研究区域内出租车GPS轨迹数据处理获取时间间隔为5、10、15 min的交通流量序列.同时为充分挖掘交通流量序列特征规律,减小序列非线性、非平稳性带来的影响,提出一种基于信号分解的预测模型LE-RL(linear regression model-empirical mode de-composition-random forest-long short-term memory network).通过一般线性模型(linear regression model,LR)将原始序列分解成周期序列、趋势序列和残差,同时引入经验模态分解(empirical mode decomposition,EMD)方法对残差进一步分解以充分挖掘序列特征;模型预测方面,构建随机森林(random forest,RF)模型对周期序列和趋势序列进行预测,接着引入长短期记忆网络模型(long short-term memory network,LSTM)构建RF-LSTM残差模型对EMD分解的各分量进行预测,通过叠加各模型预测成果得到最终预测结果;为验证模型精度,设置对照模型进行比对.结果表明:所构建的LE-RL模型在预测精度上均高于对照模型,可以满足基于不同样本时间间隔的交通流量预测的需要.

关键词：交通流量预测、时间序列分解、长短期记忆网络(LSTM)、随机森林(RF)、机器学习

所属期刊栏目：23

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：自然资源部城市土地资源监测与仿真重点实验室开放基金;研究生科研创新项目

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：12265-12274