avatar avatar 我的文献 路网交通流在时空分析背景下的预测研究 作者 李彤伟; 王庆荣 单位 兰州交通大学电子与信息工程学院 期刊 计算机工程与应用 时间 关键词 智能交通系统; 短时交通流预测; 深度学习; 路网; 长短时记忆(LSTM)网络 基金 教育部人文社会科学研究规划基金(No.15XJAZH002,No.18YJAZH148); 甘肃省自然科学基金(No.18JR3RA125)
摘要
深度学习近年来被广泛应用于交通工程领域,针对大型路网中单个路段的交通流预测考虑因素单一、预测精度不高的问题,充分利用长短时记忆(LSTM)网络在时序数据处理方面的优势,结合路网交通流时空分析并运用LSTM模型进行预测。通过对路网中路段检测站点间交通流数据进行相关性计算,并设置不同阈值来选择出代表路段的编号构造原始数据矩阵,对矩阵进行压缩来增加运算效率,最后将压缩矩阵输入模型中进行预测。设置仿真对比实验,验证了提出的方法相较于其他几种模型预测准确率平均可提升11.84%,是一种高效率的交通流预测方法。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭