Resumen

La información de predicción de tráfico oportuna y precisa es esencial para el sistema avanzado de gestión de tráfico (ATMS) y el sistema avanzado de información al viajero (ATIS). Debido a las características de no linealidad, no estacionariedad y aleatoriedad, la predicción del flujo de tráfico a corto plazo todavía puede ser una tarea desafiante. En este estudio, se propone un método híbrido de predicción multietapa del flujo de tráfico a corto plazo mediante la combinación del algoritmo de descomposición de modo variacional (VMD) y el modelo de memoria a corto plazo a largo plazo (LSTM). En primer lugar, se emplea el algoritmo VMD para descomponer los datos originales de flujo de tráfico en una serie de componentes de función de modo intrínseco (IMF). En segundo lugar, se establecen diferentes modelos LSTM para predecir diferentes componentes IMF. Para cada modelo de predicción, se realizan predicciones de uno a tres pasos. Finalmente, los resultados

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Predicción de tráfico; Sistema avanzado de gestión del tráfico; Predicción a corto plazo; Descomposición modal variacional; Memoria a corto y largo plazo; Predicción multietapa
• Keywords:Traffic prediction; Advanced traffic management system; Short-term prediction; Variational mode decomposition; Long short-term memory; Multistep prediction