《表2 不同模型单步预测性能比较》
本文选择ARIMA,SVR,RNN,LSTM和GRU模型与CDL模型进行单步预测对比,即对下一个时刻的车道速度进行预测.其中ARIMA模型采用赤池信息量准则(Akaike Information Criterion,AIC)选择最佳的p,d,q参数;SVR选用径向基函数(Radial Basis Function,RBF)作为核函数,使用交叉验证和网格搜索选取模型参数;RNN,LSTM和GRU隐藏层为1层,并采用与CDL相同的输入矩阵(即Xt=[15,10])和其他超参数设定.如表2所示,CDL模型误差最小且稳定性最好,MAE和RMSE分别为4.98和6.18,比误差第2小的GRU模型的MAE和RMSE分别降低9.12%和3.74%,CDL的VAPE为13.25%,比传统的ARIMA算法稳定性提升了33.58%,此外基于RNN预测模型的VAPE值均低于14.00%,模型稳定性较好.CDL不同车道断面的单步预测结果如图7所示,CDL模型能够较好地拟合不同车道交通流在不同时段的波动模式,即使在受汇入车辆影响较大的外侧车道(L9),CDL也能精确地获捕获车速的变化.
图表编号 | XD0097441700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 谷远利、陆文琦、李萌、王硕、邵壮壮 |
绘制单位 | 北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室、东南大学交通学院、北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室、北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室、北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室 |
更多格式 | 高清、无水印(增值服务) |