基于LSTM神经网络模型的交通事故预测

• 作者: 张志豪 李东昊 杨文忠 王雪颖 袁婷婷
• 来源期刊: 计算机工程与应用
• 学科: 交通运输
• 关键词: 交通事故 神经网络 长短期记忆(LSTM) 预测 回归
• 年，卷（期）: 2019,（14）
• 所属期刊栏目: 工程与应用
• 页码范围: 249-253,259
• 页数: 6页
• 分类号: U492.3
• 字数: 4970字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0222

摘要

道路交通事故是道路交通安全水平的具体体现,为使预测数据更科学地为交通管理系统提供决策.提出建立基于LSTM(Long Short-Term Memory)神经网络的交通事故模型,训练交通事故相关的数据,对交通安全水平的指标进行预测.经过与传统回归模型和传统神经网络模型进行实验对比,实验显示LSTM拟合效果最佳,另外LSTM模型对同一趋势上的预测效果有明显优势.通过使用LSTM模型捕获数据中存在的时序依赖关系,能够更准确地对交通事故安全水平进行预测,使交通管理部门制定更加科学准确的决策.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨文忠	新疆大学信息科学与工程学院	68	208	7.0	12.0
2	张志豪	新疆大学信息科学与工程学院	7	7	1.0	2.0
3	袁婷婷	新疆大学信息科学与工程学院	6	14	3.0	3.0
4	李东昊	新疆大学信息科学与工程学院	5	7	1.0	2.0
5	王雪颖	新疆大学信息科学与工程学院	5	7	1.0	2.0