考虑突发事件影响下的路网交通量预测方法研究.pdf
《考虑突发事件影响下的路网交通量预测方法研究.pdf》由会员分享,可在线阅读,更多相关《考虑突发事件影响下的路网交通量预测方法研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、27交通科技与管理规划设计0引言随着公路路网密度的不断增大,公路突发事件愈发频繁,对道路的正常运行管理提出了严峻挑战。为了及时准确地掌握突发事件对交通流量的影响,准确的时间序列预测和不确定性的可靠估计是非常必要的,这对道路通行状况异常的上报处理、合理调配资源、做出正确的规划方案等都至关重要。交通流量预测短期和中长期交通流量预测两类,短时交通流量通常是指 5 到 15 分钟的流量预测。交通量的预测本身是一个时间序列的问题1-2,因此,在早期的交通量模型预测中,时间序列模型在交通量预测研究领域应用较为广泛3-4,其中应用较多的是滑动平均模型(ARIMA),该模型经提出后在交通量预测统计方面取得了显
2、著成效5-7,后续的研究学者也在该模型的基础上8-10,不断进行了相应的扩展和优化。但局限于模型的参数特性,使得该模型在面对越来越复杂的交通流问题和随机性问题上,难以满足预测精度要求。一般而言,可以用三个参数定量地描述交通状况:交通流量、交通速度和交通密度。这三个参数的结合能够准确地反映出智能交通系统对交通控制以及调度的表现情况。为了在模型的训练和预测中能够捕捉到时间序列特征,记忆并存储以往的信息,引入了循环神经网络来解决交通序列问题,通过学习复杂的时空内部特征,将前几个隐藏层数据作为当前的数据来源,从而使模型在学习和训练的过程中完整地保存了历史数据。然而,使用神经网络模型来预测交通流量中的突
3、发状况仍然是一个较难解决的问题,因此,该文提出了一种考虑端到端的时间序列预测模型架构,并使用贝叶斯神经网络(BNN)来量化预测突发事件的发生,进一步用于大规模路网交通量的异常检测。1模型的建立该文在贝叶斯神经网络的构建中引入了权重参数的概念,以完成拟合最优的后验分布,这个过程通常被称为传统贝叶斯模型中的后验推断。然而,由于深度学习模型中复杂的非线性和非共轭性关系,精确的后验推断很难实现,此外,大多数用于近似贝叶斯推理的传统算法也无法扩展到大多数神经网络参数优化中去,因此,需要针对不同的情况来调整参数以完成算法的优化。算法的大致思路是在原有长短期记忆模型(LSTM)的基础上,不改变原有架构,在每
4、个隐藏层后添加随机丢弃程序,那么模型的输出结果可近似看作预测后生成的随机样本,模型不确定性就可以通过几次重复模型预测的样本方差来估计。1.1长短期记忆模型的建立为了在模型的训练和预测中捕捉时间序列特征,使模型在学习和训练的过程中完整地保存历史数据,长短期记忆模型(LSTM)利用记忆单元来替代传统的隐藏单元用以克服梯度消失和爆炸的现象。记忆模型单元由输入门、遗忘门、输出门 3 个门控单元组成。这些单元控制了隐藏函数的信息流,其中输入门控制隐藏信息流的传递,遗忘门可以决定当前存储的历史信息是否遗弃,输出门控制输出信息的向外传导。交通量的时间序列定义为 X=(x1,x2,xt),定义记忆单元隐藏向量
5、 M=(m1,m2,mt),记忆单元向量 C=(c1,c2,ct),则遗忘门 ft如下式所示:ft=(Wfxxt+Wfmmt1+Wfcct1+bf)(1)式中,xt 当前交通量;mt1 上层隐藏状态输入;ct1 上层状态向量;sigmoid 函数;Wfx、Wfm、Wfc 权重矩阵;bf 偏置向量。考虑突发事件影响下的路网交通量预测方法研究缪荣辉(福建高速路桥建设发展有限公司,福建 厦门 361001)摘要针对突发事件对交通流预测的影响,文章提出了一种考虑端到端的时间序列预测模型架构,并使用贝叶斯神经网络(BNN)来量化预测突发事件的发生,进一步用于大规模路网交通量的异常检测,通过对内部异常检测
6、模型的置信区间进行调整,模型预测的准确度得到了相应的提升。关键词交通工程;交通量预测;深度学习模型;突发事件;时间序列中图分类号U411文献标识码A文章编号2096-8949(2023)17-0027-03收稿日期:2023-07-21作者简介:缪荣辉(1968),男,工程硕士,高级工程师,从事交通运输工程、新材料应用道路工程等领域的专业技术和研究工作。2023 年第 4 卷第 17 期28交通科技与管理规划设计 将当前交通量 xt、上层隐藏状态输入 mt1、上层状态向量 ct1共同作为当前的输入层,输入门 it如下所示:it=(Wixxt+Wimmt1+Wicct1+bi)(2)式中,Wix
7、、Wim、Wic 均代表权重矩阵;bi偏置向量。计算此刻的状态向量 ct为:ct=tanh(Wcxxt+Wcmmt1+bc)(3)式中,bc 偏置向量。将当前交通量 xt、上层隐藏状态输入 mt1、上层状态向量 ct共同作为当前的输入层,在输出门中,通过sigmoid 函数激活当前输入,输出门 ot如下式所示:ot=(Woxxt+Wommt1+Wocct+bo)(4)式中,Wox、Wom、Woc 代表权重矩阵;bo 偏置向量。由输出门 ot和状态向量 ct作为隐藏状态的输入,通过 tanh 激活函数,可得到隐藏状态向量 mt如下式所示:mt=ottanh(ct)(5)式中,ot 输出向量。1.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 考虑 突发事件 影响 路网 交通量 预测 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。