基于HBA-Transformer-BiLSTM模型的短时交通流预测

打开文本图片集

Short-TermTrafficFlowPredictionBased ontheHAB-Transformer-BiLSTMModel ，（， ） ， ， ， ， ， （College of Engineering， Xizang University， Lhasa 85oooo， China）

关键词：交通流预测；Transformer；BiLSTM；蜜獾优化算法中图分类号：F570.3；U495 文献标志码：A DOI： 10.13714/j.cnki.1002-3100.2026.04.002

Abstract： Withtheaccelerating paceofurbanization，thecomplexityanddynamicityoftransportationsystems havesignificantly increased，makingsorttertafcflowreditionaciticalomponntofteligentrasportatinsems.aditioaletos struggletobalance predictionacuacyand modelstabilitywhenhandlinglargescaleandhighfrequency traficdata.Tothis end， ahybridmodelintegratingHoneyBadgerAlgorithm （HBA），Transformer，andbiirectionallongshorttermmemory （BiM）is proposed.This modelleverages theTransformer's globaldependencymodelingcapabilityBiLSTM'sbidirectionaltemporalfeature extractionabilityand HBAshyperparameteradaptiveoptimizationadvantagetoacheveeficent modelingoftrafclow'satio temporalcharacteristics.ExperimentalresultsbasedonthePeMD4datasetdemonstratethatthismodeloutperformsmainstreammodels suchas CNN，GRU， XGBoost，andTCNinmetricsincluding Mean Absolute Percentage Eror（MAPE）， Mean Absolute Eror（AE）， and the coefficient of determination （R2）

Key words： traffic flow prediction; Transformer; BiLSTM; Honey Badger Algorithm

0引言

城市交通流日趋复杂，使得交通拥堵、资源浪费等问题日益突出。（剩余6425字）