摘要： 网约车出行交通流实时预测是智能交通的重要研究领域，针对网约车出行的交通 流特点，提出 ＳＳＡＬＳＴＭＳＶＲ混合模型对网约车短时交通流进行预测分析。使用奇异谱分析 （ｓｉｎｇｕｌａｒｓｐｅｃｔｒｕｍａｎａｌｙｓｉｓ，ＳＳＡ），将交通流分解为 １个主分量和 ３个随机分量，根据各分量的不 同特征，分别采用长短期记忆神经网络（ｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ，ＬＳＴＭ）和支持向量回归（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎ，ＳＶＲ）对不同分量进行预测，并将各分量的预测结果进行权重融合，得到最终的 预测值，ＳＳＡＬＳＴＭＳＶＲ能够捕捉网约车出行交通流的主要规律及其随机变化趋势，预测结果 也能够反映交通流的短期变化。结果表明：与其他基线模型相比，所提出的 ＳＳＡＬＳＴＭＳＶＲ模 型具有较低的预测误差和较高的精度和拟合度，其 ＭＡＰＥ平均降低了 ４％以上，预测精度平均 提高了 ６％以上

关键词: 智能交通；网约车出行；交通流；机器学习；ＳＳＡ

中图分类号: 

• U491