基于天氣特征的高速公路交通流預(yù)測(cè)方法研究

打開文本圖片集

摘  要： 隨著高速公路網(wǎng)絡(luò)的規(guī)模擴(kuò)展和智能交通系統(tǒng)的不斷完善，交通流預(yù)測(cè)在提高道路資源利用效率和緩解交通擁堵方面起著至關(guān)重要的作用?，F(xiàn)有的預(yù)測(cè)方法往往忽視了天氣特征動(dòng)態(tài)變化對(duì)交通流的影響，故文中旨在運(yùn)用集成深度學(xué)習(xí)模型來探索天氣特征對(duì)高速公路交通流的影響。利用隨機(jī)森林算法從歷史交通流量和天氣數(shù)據(jù)中提取出相關(guān)性較高的天氣特征，采用粒子群優(yōu)化算法對(duì)長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型的超參數(shù)進(jìn)行優(yōu)化，構(gòu)建一個(gè)融合天氣特征數(shù)據(jù)的深度學(xué)習(xí)預(yù)測(cè)框架，將經(jīng)過篩選的天氣特征序列輸入至預(yù)測(cè)框架模型中進(jìn)行訓(xùn)練和預(yù)測(cè)。（剩余12410字）