基于LSTM模型的北京首都国际机场路面交通拥堵预测

摘要

机场是一个空地交通系统,机场地面交通的预测不同于一般城市道路具有其特殊性.本研究以北京首都国际机场为研究对象,基于2016年8月1日-2017年7月31日空地交通小时数据,预测辖区内58条道路小时级别的拥堵延时指数,为相关部门的管理提供依据.与传统的基于自身序列的预测模型相比,本研究将航空因素引入地面交通拥堵预测模型中,结果显示航空因素对于机场地面交通的预测具有重要影响,证实了机场地面交通预测的特殊性.与线性模型ARIMA和VAR模型相比,深度学习算法LSTM模型具有更好的预测精度.