《表4 各类算法误差比较:基于LSTM引入客车占比特征的短时交通流预测》
根据3.1.1节的预测模型,分别选取时间间隔t为5、10、15 min,选取r=4,即利用前4个时间序列的高速公路收费站车流量数据,预测第5个时间段的车流量。3个不同时间间隔的模型预测结果如图9,3个不同时间间隔的预测误差如表3。由表3可以看出:3个时间间隔的预测模型的MAPE均在20%以下,说明模型有较好的适用程度;当时间间隔选取5 min时,预测模型的均方根误差(RMSE)、均方误差(MSE)和平均绝对误差(MAE)分别为1.27、1.61和9.95,模型的预测效果最好。同时,为了比较算法的优劣程度,分别利用ARIMA算法、BP神经网络对同样的数据进行训练及预测,各类算法预测误差的比较结果如表4,其中LSTM算法的误差最小,预测效果最好。
图表编号 | XD00183333800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 翁小雄、郝翊 |
绘制单位 | 华南理工大学土木与交通学院、华南理工大学土木与交通学院 |
更多格式 | 高清、无水印(增值服务) |