TY -的A2方Zhixiang AU - Wang Shengyou盟,邵Chunfu盟,翟Yajiao盟——雪歌AU -郑阎PY - 2021 DA - 2021/05/04 TI -一个Multifeatures Spatial-Temporal-Based卡车流量预测神经网络模型SP - 6624452六世- 2021 AB -大部分的道路交通流预测的研究主要集中在交通流乘用车或流作为一个整体,忽视卡车的显著影响,不同尺寸和操作特征对交通流的效率。因此,在本文中,我们专注于卡车交通流和提出一个Multifeatures Spatial-Temporal-Based神经网络模型(M-BiCNNGRU)来提高其预测。该模型不仅包括传统的时间特征和空间关系,还包括一系列multifeatures。这些multifeatures包括政策限制,最佳时间延迟,道路阻力,交通拥堵状态。上游和下游的影响道路部分在空间关系被认为是通过使用一个卷积神经网络(CNN)。双向封闭的复发性单元(Bi-GRU)被用来占时间特征。评估拟议的模型中,交通流数据收集从一个主要高速公路在北京和结果与来自现有的模型。结果表明,BiCNNGRU模型的预测精度,具有时空特征,和M-BiGRU模型,multifeatures和时间,分别是4.13%和2.15%比Bi-GRU模型,与时间特征。拟议中的M-BiCNNGRU模型的预测精度为92.86%,大于7.12%的Bi-GRU模型和大于13.83%的支持向量回归(SVR)模型。一般来说,因此,提出M-BiCNNGRU模型,结合multifeatures、时间特征、空间关系,可以显著改善卡车交通流预测的准确性。 SN - 0197-6729 UR - https://doi.org/10.1155/2021/6624452 DO - 10.1155/2021/6624452 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -