交通部運輸研究所

篇名	應用混合深度學習模式於高速公路多時段交通速率預測
作者	吳姿樺、蘇昭銘、林良泰、張建彥、洪百賢、吳東凌、何毓芬
卷	53
期	四
頁次	281
出版年份	113
出版月份	12
摘要	過去傳統依靠經驗法則的判斷方式，常因錯誤的判斷導致不僅無法有效紓解交通問題，嚴重者恐使問題加劇，因此更突顯預測技術與工具掌握的重要性。本研究認為在進行全時段交通預測時，除考量全時段整體預測的準確性外，亦須能夠同時考量尖峰時段預測的準確性。因此提出一新穎之混合模型，結合長短期記憶網路 (LSTM)、注意力機制及雙向長短期記憶網路 (Bi-LSTM)，分別針對6種情境，包含全日全時段、全日尖峰時段、工作日全時段、工作日尖峰時段、週末全時段、週末尖峰時段進行交通速率預測。該模式有效地透過LSTM記憶及遺忘的特性，將交通流可用的資訊保留下來後，再利用Attention機制賦予各個重要資訊權重，最後利用Bi-LSTM綜合考量兩個方向 (前向、後向) 的交通流序列資訊進行預測。結果顯示本研究使用之混合模型，不論於不同日態或不同時段，其預測結果皆比其他模型來得可靠。並且可明顯改善尖峰時段之交通速率預測準確性。
檔案下載	應用混合深度學習模式於高速公路多時段交通速率預測.pdf