基于多元因素的Bi-LSTM高速公路交通流预测

摘要

针对影响高速公路交通流量因素多样而复杂的问题, 提出了一种基于多元因素的Bi-LSTM (双向长短期记忆网络)高速公路交通流预测模型. 首先对原始数据进行清理和相关性分析, 提高研究准确性, 降低数据维度; 其次,基于时间滑动窗口, 构建多元因素交通流时序矩阵, 并以MAE与RMSE为评估指标, 训练优化Bi-LSTM交通流预测模型. 本模型同时考虑了天气状况、节假日、收费情况等高相关度影响因素, 及交通流前序、后序变化的影响.以陕西省高速公路收费数据为实验对象, 结果表明: 与GRU和LSTM两种神经网络相比较, 本模型在高速公路短期交通流预测中的适用性更强、精确度更高.