科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有短时交通流预测模型误差评价指标无法表征预测结果变化准确性的缺陷，提出将方向准确度(DA)作为评价指标之一加入综合评价体系，衡量模型预测变化方向的能力。其次，为解决预测模型DA值偏低的问题，提出一种基于交通状态演变惯性改进的双向长短期记忆(IBi-LSTM)神经网络模型：通过添加历史交通流数据的惯性向量，构造包含升降维度的训练集输入矩阵和测试集输入矩阵，使模型具有学习相邻前一时段交通状态变化趋势的能力。经过两个不同数据集上车流量预测实验的双重验证，DA提升百分比可达39%～49%，优化后的DA值可达98%以上，表明：IBi-LSTM模型可以继续降低预测误差，同时显著提升模型预测结果变化趋势的准确性。
- 出版日期2022-9-26
- 单位河海大学
