Resumen

La evaluación y predicción precisas del estado del tráfico de la red de autopistas puede proporcionar información eficaz a los viajeros y a los gestores del tráfico. Basado en la teoría del aprendizaje profundo, este artículo propone un modelo de evaluación y predicción del estado del tráfico de la red de autopistas, que consiste en un modelo de partición del estado del tráfico basado en el algoritmo Fuzzy C-means (FCM), un modelo de predicción del estado del tráfico basado en el algoritmo Long Short-Term Memory (LSTM) y un modelo discriminante del estado del tráfico basado en el algoritmo K-Means. La red de autopistas de la provincia de Hebei se emplea como caso de estudio para validar el modelo, en el que el estado del tráfico de la red de autopistas se analiza utilizando tanto datos predichos como datos reales. El conjunto de datos contiene 536.823 datos recogidos por 233 estaciones de observación continua en la provincia de Hebei desde el 5 de septiembre de 2016 hasta el 12 de septiembre de 2016. Los resultados del análisis muestran que el modelo propuesto en este documento tiene un buen rendimiento en la evaluación y predicción del estado del tráfico de la red de autopistas, lo que es coherente con el resultado discriminante utilizando los datos reales.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:estado del tráfico de la red de autopistas, red de autopistas, provincia de hebei, datos reales, estado del tráfico, modelo discriminante del estado del tráfico, modelo de partición del estado del tráfico, modelo de predicción del estado del tráfico, estaciones de observación continua, teoría del aprendizaje profundo
• Keywords:highway network traffic state, highway network, hebei province, real data, traffic state, traffic state discriminant model, traffic state partition model, traffic state prediction model, continuous observation stations, deep learning theory