Resumen

La predicción en tiempo real del flujo de tráfico en autopistas es siempre un campo de investigación importante en el transporte inteligente, lo cual es beneficioso para inducir y gestionar el flujo de tráfico en caso de congestión. Según las características del flujo de tráfico, este artículo propone un modelo híbrido, SSA-LSTM-SVR, para mejorar la precisión de pronóstico del flujo de tráfico a corto plazo. El Análisis de Espectro Singular (SSA) descompone el flujo de tráfico en un componente principal y tres componentes aleatorios, y luego, en función de las diferentes características de estos componentes, se aplican la Memoria a Corto Plazo de Largo Plazo (LSTM) y la Regresión de Vectores de Soporte (SVR) para hacer la predicción de los diferentes componentes, respectivamente. Al fusionar los resultados de pronóstico respectivos, SSA-LSTM-SVR obtiene el valor predictivo final a corto plazo. Experimentos sobre los flujos de tráfico de la autopista de Guizhou en enero de 2016 mue

• Materias:Elementos finitos Análisis de estabilidad Energía histerética Seguridad en la ingeniería civil Tensión-deformación
• Subjects:Finite elements Stability analysis Hysteretic energy Safety in civil engineering Stress-strain
• Palabras claves:Tiempo real; Predicción del flujo de tráfico en autopistas; Modelo híbrido; SSA-LSTM-SVR; Precisión de pronóstico; Flujo de tráfico a corto plazo
• Keywords:Real-time; Expressway traffic flow prediction; Hybrid model; SSA-LSTM-SVR; Forecasting accuracy; Short-term traffic flow