-
题名基于时空信息融合的高速公路区域货运量预测模型
- 1
-
-
作者
赵利英
王占中
-
机构
西安理工大学经济与管理学院
吉林大学交通学院
-
出处
《浙江大学学报(工学版)》
北大核心
2025年第10期2096-2105,共10页
-
基金
陕西省社会科学基金资助项目(2021R025)
陕西省自然科学基础研究计划(2024JC-YBMS-376)
陕西省教育厅科学研究计划项目(23JK0557).
-
文摘
高速公路区域间货运量数据相互影响,传统长短期记忆网络(LSTM)模型无法同时处理时空问题,为此设计基于时空信息融合的改进LSTM模型(TS-LSTM),提出按照时空信息的重要性对数据集进行重构的方法.为了验证模型有效性,以某地区连续12个月的高速公路收费系统数据(共25563256条)为原始数据集,将TS-LSTM与基于时间的LSTM模型(T-LSTM)、基于空间的LSTM模型(S-LSTM),全连接神经网络、单向LSTM、双向LSTM和Transformer进行对比分析.结果表明,不同区域使用TS-LSTM效果不同,相比其他机器学习模型,TS-LSTM的平均绝对值误差降低范围在40%~85%;TS-LSTM的平均绝对值误差相比Transformer低10%,平均绝对百分比误差低21个百分点;TS-LSTM的预测效果均优于对比模型.
-
关键词
高速公路运输
区域货运量预测
时空信息融合
长短期记忆网络(LSTM)模型
数据集重构
-
Keywords
highway transportation
regional freight volume forecast
spatiotemporal information fusion
long short-term memory(LSTM)model
dataset reconstruction
-
分类号
U492.3
[交通运输工程—交通运输规划与管理]
-
