论文部分内容阅读
如今,城市中心的交通拥堵状况相当严重,这使得人们的出行变得愈发困难。因此,短时交通流量预测受到了越来越多学者的关注和研究。然而,传统的短时交通流量预测研究大多是对单一路口进行预测,没有考虑路口之间的相关性。为了解决这个问题,本课题提出了一种基于时空相关性的短时交通流量预测方法(A Short-term Traffic Flow Prediction Method based on Spatial-Temporal Correlation,TFPM-STC),本课题的研究内容如下:(1)运用均值处理法和阈值处理法对原始交通流量数据中的缺失值和异常值进行处理,已达到数据清洗的目的。(2)利用主成分分析(Principal Component Analysis,PCA)来分析路网中每个路口彼此之间的交通流量相关性,选择与被预测路口相关性较大的若干路口进行短时交通流量预测。(3)使用卷积-门控循环单元(Convolution-Gated Recurrent Unit,Conv-GRU)以及双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)分别提取交通流的时空特征和周期性特征,将得到的时空特征和周期性特征充分融合,最终得到交通流量预测结果。(4)通过实验结果可以发现,与其他方法相比,本课题所提出的预测方法误差更小,模型收敛速度也更快,能够适应交通流迅速变化的特点。本课题所使用的数据来自青岛市真实的交通数据,而不是互联网上现有的数据集,这使得我们的实验更具有真实性和客观性。而且,本课题所提出的方法能够充分适应不同的交通场景,具有一定的可移植性,不仅能够为今后城市路口信号灯的配时和人们的出行提供重要的依据,而且也为智慧城市的建设发挥至关重要的作用。