跨日日内融合交通流模型

预测误差低于5%

组合跨日与日内特征，预测精度优于仅用单一特征或未经去噪的模型。

Chiang, Hsiusen · Keng-Hsi, Lin · Hsun, Lin · Chen, Mu Yen

Expert Systems with Applications 2026

参数信息

预测误差率

<5 %

技术优势

误差低于5%

CNN-LSTM模型在去噪数据上融合跨日和日内特征，预测误差率低于5%。

傅里叶去噪最有效

傅里叶变换比其他去噪方法（EMD、EEMD、CEEMDAN、小波变换）性能更好。

融合特征优于单特征

按恰当比例提取并融合跨日与日内特征，优于不使用相关特征或仅依赖单一特征的模型。

应用场景

• 智能交通管理：用低误差预测识别潜在拥堵，提前调整信号灯和诱导策略。
• 交通流预测：不用人工调参，模型直接从跨日/日内模式里学规律。
• 城市时-空数据预测：融合不同时间尺度特征，适合城市路网时空序列。
• 无人驾驶路径规划：为路径规划提供未来短时车流，避开拥堵路段。