La mayoría de los estudios sobre predicción del flujo de tráfico por carretera se han centrado en el flujo de turismos o en el flujo de tráfico en su conjunto, lo que ignora el importante impacto de los camiones con diferentes tamaños y características operativas en la eficiencia del flujo de tráfico. Por lo tanto, en este artículo nos centramos en el flujo de tráfico de camiones y proponemos un modelo de red neuronal basado en multifacturas espaciales y temporales (M-BiCNNGRU) para mejorar su predicción. El modelo propuesto no sólo comprende características temporales convencionales y relaciones espaciales, sino que también incluye una serie de multifeatures. Estas multifeatures incluyen el límite de la política, el retardo de tiempo óptimo, la resistencia de la carretera y el estado de congestión del tráfico. Los impactos de las secciones de carretera aguas arriba y aguas abajo se consideran en la relación espacial mediante el uso de una red neuronal convolucional (CNN). Para tener en cuenta las características temporales se emplea una Unidad Recurrente Gated Bidireccional (Bi-GRU). Para evaluar el modelo propuesto, se recogieron datos de flujo de tráfico de una importante autopista de Pekín y se compararon los resultados con los derivados de los modelos existentes. Los resultados muestran que la precisión de predicción del modelo BiCNNGRU, con características espaciotemporales, y del modelo M-BiGRU, con multifeatures y temporales, es, respectivamente, un 4,13
y 2,15% mayor que la del modelo Bi-GRU, con características temporales. La precisión de predicción del modelo M-BiCNNGRU propuesto es del 92,86%, un 7,12% mayor que la del modelo Bi-GRU y un 13,83% mayor que la del modelo de regresión de vectores de soporte (SVR). En general, por tanto, el modelo M-BiCNNGRU propuesto, que combina multifeatures, características temporales y relaciones espaciales, puede mejorar significativamente la precisión en la predicción del flujo de tráfico de camiones.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Predicción de la frecuencia de colisiones en autopistas urbanas teniendo en cuenta los tipos de colisión mediante datos de tráfico en tiempo real
Artículo:
Análisis restrictivo de la política de transporte para puentes utilizando los datos de trayectoria
Video:
#VirtualCoffee | Mantenimiento predictivo: La inteligencia artificial al servicio de IoT
Artículo:
Estudio descriptivo de los operadores logísticos como componentes estratégicos dentro de la cadena de valor del medicamento en Bogotá
Artículo:
Fast fashion en la industria del calzado: intervención sectorial en el tejido productivo de Nova Serrana
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.