基于LSTM模型的北京首都国际机场路面交通拥堵预测

发布时间：2022-08-23 19:46

　　机场是一个空地交通系统,机场地面交通的预测不同于一般城市道路具有其特殊性。本研究以北京首都国际机场为研究对象,基于2016年8月1日-2017年7月31日空地交通小时数据,预测辖区内58条道路小时级别的拥堵延时指数,为相关部门的管理提供依据。与传统的基于自身序列的预测模型相比,本研究将航空因素引入地面交通拥堵预测模型中,结果显示航空因素对于机场地面交通的预测具有重要影响,证实了机场地面交通预测的特殊性。与线性模型ARIMA和VAR模型相比,深度学习算法LSTM模型具有更好的预测精度。 

【文章页数】：10 页

【文章目录】：
0 引言
1 文献综述
2 模型介绍
3 实证分析
    3.1 数据说明及描述分析
        (1)不同道路拥堵状况差异明显
        (2)道路拥堵周期性特征明显
        (3)地面交通与航空因素密切相关
    3.2 数据集构造
    3.3 比较模型
4 模型结果及分析
5 结论


【参考文献】：
期刊论文
[1]基于神经网络的小时间粒度交通流预测模型[J]. 姚志洪,蒋阳升,韩鹏,罗孝羚,徐韬.  交通运输系统工程与信息. 2017(01)
[2]基于ARIMA和Kalman滤波的道路交通状态实时预测（英文）[J]. Dong-wei XU,Yong-dong WANG,Li-min JIA,Yong QIN,Hong-hui DONG.  Frontiers of Information Technology ＆ Electronic Engineering. 2017(02)
[3]高斯过程回归短时交通流预测方法[J]. 康军,段宗涛,唐蕾,刘研,王超.  交通运输系统工程与信息. 2015(04)
[4]K近邻短时交通流预测模型[J]. 于滨,邬珊华,王明华,赵志宏.  交通运输工程学报. 2012(02)
[5]基于RBF神经网络的短时交通流预测[J]. 况爱武,黄中祥.  系统工程. 2004(02)
[6]交通流非参数回归模型[J]. 达庆东,段里仁.  数理统计与管理. 2003(04)



本文编号：3678370