针对高速公路收费站的收费车道资源分配不均问题,结合贝叶斯优化算法(bayesian optimization algorithm,BOA)和长短时记忆神经网络(long short term memory,LSTM),提出了一种基于交通流预测的收费车道开闭配置方法。首先,对收费数据进...针对高速公路收费站的收费车道资源分配不均问题,结合贝叶斯优化算法(bayesian optimization algorithm,BOA)和长短时记忆神经网络(long short term memory,LSTM),提出了一种基于交通流预测的收费车道开闭配置方法。首先,对收费数据进行预处理,得到交通量、车型比例、收费方式占比和服务时间等基础数据,用于构建模型训练数据集。其次,提出了一种基于多元收费方式的M/G/K排队模型,实现收费站通行过程的理论描述和平均排队长度、平均逗留时间、通行能力等关键指标的计算。然后,针对超参数设置困难问题,引入贝叶斯优化算法构建了BOA-LSTM组合模型实现交通流预测。接着,以交通流预测结果为输入,以车道开启数目为输出,构建了一种以综合成本最小为目标的车道开闭配置模型。最后,以河北新元高速机场收费站为例展开实证分析,结果表明,BOA-LSTM组合模型能够取得良好的预测效果,其中交通量和车型比例的均方根误差分别为16.24和0.03,平均绝对百分比误差分别为13.32%和1.77%;相比于实际方案,工作日平均每天的综合成本降低了2.30%,休息日平均每天的综合成本降低了5.14%。展开更多
文摘针对高速公路收费站的收费车道资源分配不均问题,结合贝叶斯优化算法(bayesian optimization algorithm,BOA)和长短时记忆神经网络(long short term memory,LSTM),提出了一种基于交通流预测的收费车道开闭配置方法。首先,对收费数据进行预处理,得到交通量、车型比例、收费方式占比和服务时间等基础数据,用于构建模型训练数据集。其次,提出了一种基于多元收费方式的M/G/K排队模型,实现收费站通行过程的理论描述和平均排队长度、平均逗留时间、通行能力等关键指标的计算。然后,针对超参数设置困难问题,引入贝叶斯优化算法构建了BOA-LSTM组合模型实现交通流预测。接着,以交通流预测结果为输入,以车道开启数目为输出,构建了一种以综合成本最小为目标的车道开闭配置模型。最后,以河北新元高速机场收费站为例展开实证分析,结果表明,BOA-LSTM组合模型能够取得良好的预测效果,其中交通量和车型比例的均方根误差分别为16.24和0.03,平均绝对百分比误差分别为13.32%和1.77%;相比于实际方案,工作日平均每天的综合成本降低了2.30%,休息日平均每天的综合成本降低了5.14%。
