Resumen

Recientemente, se han desarrollado varios enfoques de predicción de velocidad a corto plazo, en los que la mayoría de los algoritmos se basan en el aprendizaje automático y la teoría estadística. Este artículo examina el rendimiento de la predicción anticipada en varios pasos de ocho modelos diferentes utilizando los datos de velocidad de viaje de 2 minutos recogidos de tres sensores remotos de microondas de tráfico situados en un segmento en dirección sur de la 4ª circunvalación de la ciudad de Pekín. En concreto, consideramos cinco métodos de aprendizaje automático: Red neuronal de retropropagación (BPNN), modelo autorregresivo no lineal con red neuronal de entradas exógenas (NARXNN), máquina de vectores de soporte con función de base radial como función kernel (SVM-RBF), máquina de vectores de soporte con función lineal (SVM-LIN) y regresión multilineal (MLR) como candidatos. También se seleccionan tres modelos estadísticos: Media móvil autorregresiva integrada (ARIMA), autorregresión vectorial (VAR) y modelo espacio-temporal (ST). A partir de los resultados de predicción, encontramos los siguientes resultados significativos: (1) la precisión de predicción de la velocidad se deteriora a medida que aumentan los pasos de tiempo de predicción para todos los modelos; (2) el BPNN, NARXNN, y SVM-RBF pueden superar claramente a dos modelos estadísticos tradicionales: ARIMA y VAR; (3) el rendimiento de predicción de ANN es superior al de SVM y MLR; (4) a medida que aumenta el paso de tiempo, el modelo ST puede proporcionar sistemáticamente el MAE más bajo en comparación con ARIMA y VAR.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Enfoques de predicción de velocidad a corto plazo; aprendizaje automático; teoría estadística; rendimiento de la predicción anticipada de varios pasos; datos de velocidad de viaje; métodos de aprendizaje automático.
• Keywords:Short-term speed prediction approaches; machine learning; statistical theory; multistep ahead prediction performance; travel speed data; machine learning methods