基于维度加权的残差LSTM短期交通流量预测

• 作者: 吴骏 唐德华 姜桂圆 张芳 李月龙 耿磊 肖志涛
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 智能交通 短期交通流量预测 残差连接 长短期记忆网络 维度加权
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 智能交通专题
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP391.4
• 字数: 4330字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0052120

摘要

基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题.为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布的数据端到端训练到残差LSTM网络中,同时在每个LSTM单元后引入维度加权单元,显式建模特征维度之间的相互依赖关系.实验结果表明,该方法能实现短期交通流量数据的自适应建模分析.