文献类型：期刊文章

作　　者：刘群[1] 杨濯丞[2] 蔡蕾[2]

LIU Qun;YANG Zhuo-cheng;CAI Lei(Shandong High-speed Construction Management Group Co.,Ltd.,Jinan Shandong 250014,China;Beijing Zhongjiaoguotong ITS Technology Co.,Ltd.,Beijing 100088,China)

机构地区：[1]山东高速建设管理集团有限公司,山东济南250014 [2]北京中交国通智能交通系统技术有限公司,北京100088

出　　处：《公路交通科技》

基　　金：山东省交通运输厅科技计划项目(2020BZ04-01)。

年　　份：2022

卷　　号：39

期　　号：4

起止页码：123-130

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、核心刊

摘　　要：截止到2021年2月底,全国建设了2.66万套ETC门架系统,产生了大量数据,这些数据记录了断面、路段及路网的交通流参数,为交通流的预测提供了新思路,但是目前缺乏有效的应用。为合理利用ETC门架数据、探究基于ETC门架数据进行交通流预测的较优方法,选取了4种神经网络模型进行了预测结果和精度的对比。首先分析了ETC门架系统的构成及数据内容,研究了BP,ELMAN,RBF,GR神经网络模型的预测过程;在ETC门架系统产生的1T数据中,抽取6 d共231657条原始断面数据进行预处理,共得到3456条流量和速度数据。然后,将前4 d的数据作为4种模型的输入参数,在相同交通流时间序列、相同交通流时间汇集度和不同交通流状态向量维度下,预测未来2 d交通流的速度和流量。最后进行神经网络预测结果对比分析。结果表明:(1)ELMAN模型的预测精度最优,模型的各类评价指标(RMSE,MAPE,MAE)均有显著优势;(2)ELMAN神经网络模型预测速度比预测流量准确,在二者均能反映路网交通运行状态的情况下,可以由速度的预测结果反推流量的预测值。本研究将对高速公路交通流预测、评估等工作起到重要作用。

关 键 词：智能交通 交通流预测 神经网络  ETC门架数据  高速公路

分 类 号：U491.14[物流管理与工程类]