Resumen

La predicción del flujo de tráfico juega un papel importante en el sistema de transporte inteligente (ITS). Sin embargo, debido a la aleatoriedad y compleja periodicidad de los datos de flujo de tráfico, los modelos de predicción tradicionales a menudo no logran obtener buenos resultados. Por otro lado, las perturbaciones externas o detectores anormales causarán que los datos de flujo de tráfico recopilados contengan componentes de ruido, lo que resulta en una disminución en la precisión de la predicción. Con el fin de mejorar la precisión de la predicción del flujo de tráfico, este estudio propone un modelo mixto de predicción del flujo de tráfico VMD-WD-LSTM que utiliza la descomposición modal variacional (VMD), el umbral de denoising de wavelet (WD) y la red de memoria a corto y largo plazo (LSTM). En primer lugar, descomponemos la secuencia original de flujo de tráfico en componentes a través de VMD y determinamos el número de componentes según la entropía de muestra

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Predicción del flujo de tráfico; Sistema de transporte inteligente; VMD-WD-LSTM; Descomposición modal variacional; Umbral de denoising wavelet; Memoria a corto y largo plazo
• Keywords:Traffic flow prediction; Intelligent transportation system; VMD-WD-LSTM; Variational mode decomposition; Wavelet threshold denoising; Long short-term memory