基于深度学习算法的道路旅行时间预测

• 作者: 张盛涛 方纪村
• 来源期刊: 指挥控制与仿真
• 学科: 工学
• 关键词: 智能交通 LSTM 旅行时间预测 深度学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 理论研究
• 页码范围: 53-56
• 页数: 4页
• 分类号: TP391
• 字数: 3332字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3819.2019.02.010

摘要

旅行时间预测是城市智能交通系统的重要指标.采用深度学习中的长短期记忆神经网络(Long Short-Term Memory,LSTM)方法预测道路旅行时间,通过调节LSTM隐藏层单元数和训练次数得到最优的时间相关的LSTM模型;而后将改进时间型LSTM模型和传统BP(Back Propagation)神经网络模型、支持向量机模型、kNN模型以及时间序列ARIMA模型进行对比分析.实验结果表明,改进的T-LSTM模型训练效率和预测精度均优于其他四种模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张盛涛		1	0	0.0	0.0
2	方纪村		1	0	0.0	0.0