面向精细化管理的停车需求短时预测

摘要：

停车诱导系统(PGS)是缓解交通拥堵的有效办法,但停车需求短时精准预测作为空余车位发布的关键技术并没有得到有效解决.利用停车需求时变特征曲线的线型稳定性,以及在周内各工作日间的振幅的显著差异性对数据进行分组,采用不仅具备记忆时间序列数据能力,同时有着更简洁的逻辑门控制结构的GRU (gated recurrent unit)模型对停车需求进行短时精准预测,发现相比于传统神经网络以及ARIMA模型,在考虑停车需求周内日间差异性并对数据进行分组后的GRU模型能提供更高的预测精度.

关键词：精细化停车管理;停车需求预测;GRU模型;模型比选

所属期刊栏目：49

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家社会科学基金项目207BGL291

在线出版日期：2021-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1301-1306