基于CEEMDAN-DBSCAN-ICA-LSTM模型的道路交通流量预测研究  

作　　者：张合川 邓琮 张献军 杨尚川 

机构地区：[1]四川开梁高速公路有限责任公司,达州市636250 [2]四川交通职业技术学院,成都市611130

出　　处：《公路》2024年第12期355-365,共11页Highway

基　　金：四川省科技厅重点研发计划项目,项目编号2022YFG0048,2021-A-07。

摘　　要：为了充分利用和提升神经网络模型预测道路交通流量的能力,帮助城市交通管理机构科学合理的开展快速路交通管理,专门选取成都市日月大道快速路匝道车流量数据,利用经验模态分解模型(CEEMDAN)和DBSCAN(Density-Based Spatial Clustering of Applications with Noise)结合独立主成分分析(ICA)的长短期记忆网络(LSTM)构建交通流预测模型,对快速路车流量进行预测。首先运用CEEMDAN模型对快速路匝道某天24 h的车流量数据进行CEEMDAN信号分解,然后使用DBSCAN算法进行聚类,再利用ICA算法进行降维。最后,利用LSTM模型处理ICA算法降维后数据,再将各组分训练结果相加得到最终的CEEMDAN-DBSCAN-ICA-LSTM神经网络模型预测结果。基于快速路车流量数据的CEEMDAN-DBSCAN-ICA-LSTM模型仿真结果表明:该组合预测模型分别比常见的LSTM模型、CEEMDAN-LSTM模型、CEEMDAN-ICA-LSTM模型、CEEMDAN-DBSCAN-LSTM模型的MAE值分别平均提升了6.21%,3.45%,2.6%和1.75%;MAPE值平均提升了7.52%,2.3%,1.8%和1.4%;RMSE值平均提升了8.51%,1.25%,1.1%和1%。上述研究证明CEEMDAN-DBSCAN-ICA-LSTM模型有效提高对城市快速道路车流量的预测精度和效果。

关 键 词：交通工程 交通流量预测 智能交通系统 神经网络模型 CEEMDAN LSTM DBSCAN 

分 类 号：U491.14[交通运输工程—交通运输规划与管理]