融合天气特征的WOA-GRU高速公路短时交通流预测  

Short-term Highway Traffic Flow Prediction using WOA-GRU Model with Fusion of Weather Features

作　　者：寇敏 张萌萌[1,2] 赵军学 谢清民 KOU Min

机构地区：[1]山东交通学院交通与物流工程学院,济南市250357 [2]山东省智慧交通重点实验室(筹),济南市250357 [3]山东省公安厅交通管理局,济南市250000

出　　处：《公路》2024年第4期193-199,共7页Highway

基　　金：国家自然科学基金,项目编号52102412;全国统计科学研究项目,项目编号2021LY017;2021年度山东省自然科学基金项目,项目编号ZR2021MF019、ZR2021QF110;济南市科学技术局项目,项目编号2019GXRC022;山东省科学技术厅项目,项目编号2021TSGC1011、2022TSGC2096。

摘　　要：高速公路交通流的实时精准预测是高速公路高效、科学管控的关键,对提高高速公路通行效率、提升交通管理服务水平具有重要意义。提出一种基于鲸鱼算法(Whale Optimization Algorithm, WOA)优化门控循环神经网络(Gate Recurrent Unit, GRU)的短时交通流预测模型(WOA-GRU),模型考虑天气环境变化对交通流运行状态的影响,并通过皮尔逊相关系数对其相关程度进行量化,以对模型输入特征指标进行筛选。引入鲸鱼优化算法对GRU模型的隐含层神经元个数、学习率等超参数进行寻优,以提升模型预测性能,进而提高高速公路交通流预测精度。结果表明:WOA-GRU预测模型比传统GRU模型预测拟合度可提高1.8%,WOA-GRU预测模型在融合天气特征情况下可比未考虑天气特征的模型预测拟合度提升2.5%。

关 键 词：交通流预测 门控循环神经网络 鲸鱼优化算法 天气特征 深度学习 

分 类 号：U491.254[交通运输工程—交通运输规划与管理]