为实现黏滞效应影响下的车速准确预测,以云南省典型山区公路穿村镇段为例,基于无人机拍摄视频提取的行车轨迹数据,引入流体力学定义黏滞效应的作用机制,并构建黏滞系数测度模型,将黏滞系数与基于注意力机制的门控循环单元(Gate Recurren...为实现黏滞效应影响下的车速准确预测,以云南省典型山区公路穿村镇段为例,基于无人机拍摄视频提取的行车轨迹数据,引入流体力学定义黏滞效应的作用机制,并构建黏滞系数测度模型,将黏滞系数与基于注意力机制的门控循环单元(Gate Recurrent Unit based on Attention Mechanism,GRU-AM)模型相结合,提出了考虑黏滞效应的山区公路穿村镇段车辆速度预测方法并验证其有效性。结果表明,黏滞效应导致车流呈现近似流体的黏滞性假设成立,山区公路穿村镇段车辆运行速度特性呈“低车速、高离散”现象,其速度25%、50%、85%分位值与普通路段的差值分别为-2.01 m/s、-1.68 m/s、-1.35 m/s,速度变异系数、速度离散系数的差值分别为0.058、0.218。此外,将黏滞系数作为关键输入特征提高了预测模型的准确性,构建的GRU-AM模型拟合优度(R2)提高了2.57百分点、平均绝对误差(Mean Absolute Error,MAE)减小了0.188,用于对比的单一模型门控循环单元(Gate Recurrent Unit,GRU)和Transformer的R2分别提高了3.88百分点和9.89百分点、MAE分别减小了0.1075和0.2344,其中GRU-AM模型表现最好,R2为95.23%,MAE为0.4352。研究表明,考虑黏滞效应的山区公路穿村镇段车速预测方法具有良好的预测性能。展开更多
文摘为实现黏滞效应影响下的车速准确预测,以云南省典型山区公路穿村镇段为例,基于无人机拍摄视频提取的行车轨迹数据,引入流体力学定义黏滞效应的作用机制,并构建黏滞系数测度模型,将黏滞系数与基于注意力机制的门控循环单元(Gate Recurrent Unit based on Attention Mechanism,GRU-AM)模型相结合,提出了考虑黏滞效应的山区公路穿村镇段车辆速度预测方法并验证其有效性。结果表明,黏滞效应导致车流呈现近似流体的黏滞性假设成立,山区公路穿村镇段车辆运行速度特性呈“低车速、高离散”现象,其速度25%、50%、85%分位值与普通路段的差值分别为-2.01 m/s、-1.68 m/s、-1.35 m/s,速度变异系数、速度离散系数的差值分别为0.058、0.218。此外,将黏滞系数作为关键输入特征提高了预测模型的准确性,构建的GRU-AM模型拟合优度(R2)提高了2.57百分点、平均绝对误差(Mean Absolute Error,MAE)减小了0.188,用于对比的单一模型门控循环单元(Gate Recurrent Unit,GRU)和Transformer的R2分别提高了3.88百分点和9.89百分点、MAE分别减小了0.1075和0.2344,其中GRU-AM模型表现最好,R2为95.23%,MAE为0.4352。研究表明,考虑黏滞效应的山区公路穿村镇段车速预测方法具有良好的预测性能。
