Resumen

Con el fin de analizar con precisión el impacto del entorno lluvioso en las características del flujo de tráfico de las autopistas, se propuso un modelo de predicción de la velocidad del flujo de tráfico a corto plazo basado en la unidad recurrente de puerta (GRU) y la optimización de enjambre de partículas de peso inercial no lineal adaptativa (APSO). En primer lugar, se limpiaron los datos de precipitaciones y de flujo de tráfico de la autopista y, a continuación, se emparejaron de acuerdo con la relación espaciotemporal. En segundo lugar, mediante el método de análisis multivariante de la varianza, se exploró la importancia del impacto de los factores potenciales sobre la velocidad del flujo de tráfico. A continuación, se propone un modelo de predicción de la velocidad del flujo de tráfico basado en GRU en entornos lluviosos, y se verifican los tramos de carretera reales bajo diferentes escenarios de precipitaciones. Después, en vista del problema de que la precisión de predicción del modelo GRU era baja en el escenario de lluvia continua, se utilizó el algoritmo APSO para optimizar los parámetros de la red GRU, y se construyó el modelo de predicción APSO-GRU y se realizaron verificaciones bajo la misma sección de carretera y escenario de lluvia. Los resultados muestran que el modelo APSO-GRU tiene una estabilidad de predicción significativamente mejor que el modelo GRU y puede extraer mejor las características de la precipitación durante la lluvia continua, con una tasa media de precisión de predicción del 96,74%.

• 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:modelo gru, apso, entorno lluvioso, optimización adaptativa de enjambre de partículas de peso inercial no lineal, tasa media de precisión de la predicción, datos de flujo de tráfico en autopista, modelo de predicción de velocidad de flujo de tráfico a plazo, modelo de predicción de velocidad de flujo de tráfico, modelo de predicción gru, tramos de carretera reales
• Keywords:gru model, apso, rainy environment, adaptive nonlinear inertia weight particle swarm optimization, average prediction accuracy rate, highway traffic flow data, term traffic flow speed prediction model, traffic flow speed prediction model, gru prediction model, actual road sections