原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第28卷第4期工业工程Vol.28No.4
2025年8月IndustrialEngineeringJournalAugust2025
doi:10.3969/j.issn.1007-7375.240247
基于概率分析和数据驱动的高速公路车辆速度预测方法
123
陈赛飞，傅惠，张帅宇
(1.广东技术师范大学电子与信息学院，广东广州510665；2.广东工业大学机电工程学院，广东广州510006；
3.平高集团有限公司，河南平顶山461670)
摘要:为改善高速公路车辆速度预测过程中因数据非正态分布而造成的预测误差，提出一种深度时间卷积网络
(deeptemporalconvolutionalnetwork,DeepTCN)和Copula理论相结合的混合概率性预测方法。为给出考虑多个特征
的确定性预测，建立了DeepTCN框架。根据DeepTCN得到的预测结果，基于预测误差的条件概率分布来拟合适
当的Copula函数。通过误差补偿得到概率性预测结果。利用在广州市机场高速收集的实际交通数据来验证所提出
的混合方法的有效性。数据分析与实验结果表明，实际数据反映出交通流确实存在高度随机性，而这种随机性在低
车辆密度与高车辆密度时相对较小，在中等密度时相对较大；与现有的各种方法相比，DeepTCN在处理长时间序
列信息时存在优越性，适用于高速公路车辆速度预测场景；结合Copula函数可以在一定程度上补偿数据随机性带
来的预测误差，进一步提高预测精度。
关键词:深度学习；数据驱动；联合概率分布；交通流预测；Copula理论
中图分类号:F407.67;U491.1+4文献标志码:A文章编号:1007-7375(2025)04-0155-09
AProbability-basedandData-DrivenApproachforHighway
VehicleSpeedForecasting
123
CHENSaifei,FUHui,ZHANGShuaiyu
(1.SchoolofElectronicsandInformation,GuangdongPolytechnicNormalUniversity,Guangzhou510665,China;
2.SchoolofEle
初级会计持证人
专注于经营管理类文案的拟写、润色等，本人已有10余年相关工作经验，具有扎实的文案功底，尤善于各种框架类PPT文案，并收集有数百万份各层级、各领域规范类文件。欢迎大家咨询！
文档评论（0）