基于改进Transformer的公路治超车流量预测

随着智慧城市的发展,公路治超车流量预测作为非现场执法平台的重要组成部分,能够协助系统平台合理配置执法力量,有效降低主干道路货车超载风险。现有的基于卷积、循环神经网络等模型在处理长时间流量预测时存在一系列问题,基于Transformer模型并进行改进,采用通道独立的patch操作提取局部特征作为建模对象,采用层次特征提取编码器结构对全序列进行关联度计算,能有效提高多元长序列的预测准确率。与现有两种方法的对比实验表明,基于改进Transformer的治超车流量预测模型在两个评价指标上有较大提升,能够有效提升交通治超车流量预测准确率。