基于LSTM模型的北京首都国际机场路面交通拥堵预测

被引：13

作者：

张波 ^{[1
]}

周芳 ^{[2
]}

李强 ^{[3
]}

机构：

[1] 中国人民大学环境学院

[2] 首都经济贸易大学城市群系统演化与可持续发展的决策模拟研究北京市重点实验室

[3] 北京首都国际机场公安分局

来源：

数理统计与管理 | 2020年 / 39卷 / 05期

关键词：

交通指数预测; 机场交通; LSTM模型; 航空因素;

D O I：

10.13860/j.cnki.sltj.20200818-002

中图分类号：

U491.265 [];

学科分类号：

0306 ; 0838 ;

摘要：

机场是一个空地交通系统,机场地面交通的预测不同于一般城市道路具有其特殊性。本研究以北京首都国际机场为研究对象,基于2016年8月1日-2017年7月31日空地交通小时数据,预测辖区内58条道路小时级别的拥堵延时指数,为相关部门的管理提供依据。与传统的基于自身序列的预测模型相比,本研究将航空因素引入地面交通拥堵预测模型中,结果显示航空因素对于机场地面交通的预测具有重要影响,证实了机场地面交通预测的特殊性。与线性模型ARIMA和VAR模型相比,深度学习算法LSTM模型具有更好的预测精度。

引用

页码：761 / 770

页数：10

共 12 条

[1] 基于神经网络的小时间粒度交通流预测模型
姚志洪
蒋阳升
韩鹏
罗孝羚
徐韬
[J]. 交通运输系统工程与信息, 2017, 17 (01) : 67 - 73
[2] 基于ARIMA和Kalman滤波的道路交通状态实时预测（英文）
Dongwei XU
Yongdong WANG
Limin JIA
Yong QIN
Honghui DONG
[J]. FrontiersofInformationTechnology&ElectronicEngineering, 2017, 18 (02) : 287 - 303
[3] 高斯过程回归短时交通流预测方法
康军
段宗涛
唐蕾
刘研
王超
[J]. 交通运输系统工程与信息, 2015, 15 (04) : 51 - 56
[4] K近邻短时交通流预测模型
于滨
邬珊华
王明华
赵志宏
[J]. 交通运输工程学报, 2012, 12 (02) : 105 - 111
[5] 基于RBF神经网络的短时交通流预测
况爱武
黄中祥
不详
[J]. 系统工程 , 2004, (02) : 63 - 65
[6] 交通流非参数回归模型
达庆东
段里仁
[J]. 数理统计与管理, 2003, (04) : 41 - 46
[7] Detection of traffic congestion and incidents from GPS trace analysis[J] . Eleonora D’Andrea,Francesco Marcelloni. Expert Systems With Applications . 2017
[8] Urban traffic congestion estimation and prediction based on floating car trajectory data[J] . Xiangjie Kong,Zhenzhen Xu,Guojiang Shen,Jinzhong Wang,Qiuyuan Yang,Benshi Zhang. Future Generation Computer Systems . 2015
[9] Traffic congestion detection in large-scale scenarios using vehicle-to-vehicle communications[J] . R. Bauza,J. Gozalvez. Journal of Network and Computer Applications . 2012
[10] Modeling and Forecasting Vehicular Traffic Flow as a Seasonal ARIMA Process: Theoretical Basis and Empirical Results[J] . Billy M. Williams,Lester A. Hoel. Journal of Transportation Engineering . 2003 (6)

← 1 2 →