基于深度学习的高速公路合流区交通速度预测

结合高速公路合流区交通流特性,建立基于长短期记忆网络(LSTM)的高速公路合流区交通速度预测模型;利用NGSIM公开数据集和仿真实验,进行速度预测模型的训练;建立了5个不同合流区段长度的速度预测模型,对实验结果进行分析,并提出高速公路合流区优化措施建议。研究结果表明,本文模型对合流区速度预测具有一定价值,可为高速公路合流区交通管理提供数据支撑与理论依据。

微观交通仿真参数校正下高速公路合流区交通运行状态研究

合流区的车辆汇入主线时复杂的强制换道行为使其成为高峰期间高速路交通拥堵的常发瓶颈。为改善高速公路合流区交通运行状况,采用NGSIM数据集获取真实数据,通过遗传算法校正微观交通仿真参数。搭建仿真场景,设计仿真实验,研究了不同匝道设置条件下下高速公路合流区交通运行状态。研究结果表明加速区段长度、匝道输入流量对合流区交通运行状态影响显著。研究成果可为改善公路合流区交通安全、提升通行效率提供理论依据。