基于LSTM-BP组合模型的短时交通流预测

• 作者: 李明明 赵从健 雷菊阳
• 来源期刊: 计算机系统应用
• 关键词: 智能交通系统 LSTM-BP模型 时间序列 短时交通流预测
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 152-156
• 页数: 5页
• 字数: 3443字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007077

摘要

为减轻日益严重的交通拥堵问题,实现智能交通管控,给交通流诱导和交通出行提供准确实时的交通流预测数据,设计了基于长短时记忆神经网络(LSTM)和BP神经网络结合的LSTM-BP组合模型算法.挖掘已知交通流数据的特征因子,建立时间序列预测模型框架,借助Matlab完成从数据的处理到模型的仿真,实现基于LSTM-BP的短时交通流精确预测.通过与LSTM\BP\WNN三种预测网络模型的对比,结果表明LSTM-BP预测的时间序列具有较高的精度和稳定性.该模型的搭建,可对交通分布的预测、交通方式的划分、实时交通流的分配提供依据和参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷菊阳	上海工程技术大学机械与汽车工程学院	26	80	5.0	8.0
2	赵从健	上海工程技术大学机械与汽车工程学院	5	1	1.0	1.0
3	李明明	上海工程技术大学机械与汽车工程学院	5	1	1.0	1.0