同济大学学报(自然科学版)

作者：李林波，李杨

单位：同济大学 道路与交通工程教育部重点实验室， 上海 201804

关键词：精细化停车管理,停车需求预测,GRU模型,模型比选

基金：国家社会科学基金项目（207BGL291）

停车诱导系统（PGS）是缓解交通拥堵的有效办法，但停车需求短时精准预测作为空余车位发布的关键技术并没有得到有效解决。利用停车需求时变特征曲线的线型稳定性，以及在周内各工作日间的振幅的显著差异性对数据进行分组，采用不仅具备记忆时间序列数据能力，同时有着更简洁的逻辑门控制结构的GRU（gated recurrent unit）模型对停车需求进行短时精准预测，发现相比于传统神经网络以及ARIMA模型，在考虑停车需求周内日间差异性并对数据进行分组后的GRU模型能提供更高的预测精度。

来源：2021年第9期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2021年第9期