Resumen

Para proporcionar información fiable sobre el tráfico y una respuesta visual más cómoda a los gestores del tráfico y a los viajeros, propusimos un modelo de predicción que combina una red neuronal y un Diagrama Fundamental Macroscópico (MFD) para predecir el estado del tráfico de las redes regionales de carreteras durante largos periodos. A grandes rasgos, el método se divide en los siguientes pasos. Para obtener el estado actual del tráfico de la red de carreteras, se utiliza la fórmula del índice de eficiencia del estado del tráfico propuesta en este documento, y el MFD del estado actual se dibuja utilizando la clasificación de la velocidad de diseño y la velocidad de flujo libre de la carretera clasificada. A continuación, basándose en los datos recogidos de las estaciones de control y en la fórmula de ponderación de las carreteras clasificadas, se resuelve el problema de la insuficiencia de datos medidos. Mientras tanto, el rendimiento de predicción de NARX, LSTM, y GRU se compara experimentalmente con la predicción de tráfico, y se encuentra que NARX NN puede predecir el flujo a largo plazo y el rendimiento de predicción es ligeramente mejor que ambos modelos LSTM y GRU. Después, los datos predichos de las cuatro estaciones se integraron basándose en la fórmula de ponderación de carreteras clasificadas. Por último, según el intervalo de clasificación del estado del tráfico, el estado del tráfico de la red de carreteras para el día siguiente se obtiene a partir del MFD actual, el flujo de tráfico predicho y la velocidad correspondiente. Los resultados indican que la combinación de la NN NARX con el MFD constituye un intento eficaz de predecir y describir el estado del tráfico a largo plazo a nivel macroscópico.

• 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:mfd, datos, narx nn, rendimiento de la predicción, red de carreteras, estado del tráfico, fórmula de ponderación de las carreteras clasificadas, intervalo de clasificación del estado del tráfico, fórmula del índice de eficacia del estado del tráfico, información visual conveniente
• Keywords:mfd, data, narx nn, prediction performance, road network, traffic state, classified road weighting formula, traffic state classification interval, traffic state efficiency index formula, convenient visual feedback