【技术实现步骤摘要】
一种智慧服务区车流量预测方法
[0001]本专利技术涉及数据处理及预测
,具体为一种智慧服务区车流量预测方法。
技术介绍
[0002]随着智慧高速公路的建设,综合智能服务区不断涌现。以数字技术提供现代出行服务,将新一代信息技术云计算、物联网、高速移动、传感器技术、人工智能和系统综合技术有效集成,以实现精准高效的车客流管理。目前,高速公路具有车速高、通行能力大、行车安全三大特点已成为人们短途出行的重要选择,尤其是在假期期间,车流量显著增加。因此,对于服务区车流的智能管控越来越受到重视。准确有效的车流量预测,便于管理部门提前感知拥堵程度,制定调整策略,进行交通疏通,保证交通正常运行。然而,车流数据的复杂性和不规律性也增加了预测模型性能的难度。所以人们一直在寻求一种更好的预测方法来提高准确性。且高速公路服务区的短时车流预测对于及时制定交通流量变化策略,调节高速公路交通发挥着重要作用。
[0003]对于高速公路的智慧服务区,建立合适的交通流量预测模型存在一些困难。主要原因有两点:首先,服务区内的交通流量不断波动,在相邻时间可能会发生很大变化,特别是在特殊天气下,交通流量波动非常明显,单一模型很难准确拟合交通流量变化的方向和时间变化。其次,服务区交通流量的峰值持续时间较长,并且可能存在多个峰值,因此需要考虑模型的泛化性能。因此,在选择模型时,应考虑对整体交通流变化的拟合精度。预测模型不仅要充分了解交通流的周期性、时间序列连续性和趋势,还要具有良好的泛化能力,从而更好地拟合交通流的峰值,最小化极端离散异常值对峰值拟 ...
【技术保护点】
【技术特征摘要】
1.一种智慧服务区车流量预测方法,其特征在于,包括以下步骤:步骤一:获取智慧服务区的车流数据,进行数据清洗、数据融合预处理操作;步骤二:将经过步骤一处理的有效车流数据使用EEMD算法分解为多个IMF分量和一个残差序列;步骤三:设定BI_GRU网络层的基本结构及相关参数,将IMF序列输入BI_GRU网络中进行时间特征提取,并在测试集上验证预测结果,迭代优化网络模型参数;步骤四:根据优化后的参数重新设置BI_GRU网络,重复步骤三得出最优参数;步骤五:将BI_GRU网络的输出通过全连接层计算预测结果,选择评估函数,评估EEMD
‑
BI_GRU模型对车流的预测性能。2.根据权利要求1所述的一种智慧服务区车流量预测方法,其特征在于:所述步骤二中EEMD算法的具体分解步骤为:1)对原始时间序列信号x(t)加入符合正态分布的高斯白噪声x(t),形成新的时间序列信号x
i
(t),其计算式如下:x
i
(t)=x(t)+n
i
(t)式中:i为增加白噪声次数;2)新的时间序列信号x
i
(t)经过EMD分解成n个IMF分量C
ji
(t),(j=1,2,...,n)和一个剩余分量R
es
,其计算式如下:x
i
(t)=C
ji
(t)+R
es
式中:C
ji
(t)为加入i次白噪声后分解得到的第j个IMF分量;3)重复以上两个步骤N次,并将各对应的IMF分量相加再求均值,其计算式如下:式中:为时间序列信号分解得到的第j个IMF分量平均值;4)最终原始时间序列信号x(t)经过EEMD分解后表示为:3.根...
【专利技术属性】
技术研发人员:孟炜,张凯,葸国隆,乌惜辰,马昌喜,黄晓婷,金科臣,来永寿,李艳琴,马旭东,侯树杰,
申请(专利权)人:甘肃陇原信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。