基于长短期记忆模型的交通拥堵预测方法

• 作者: 吕鲜 张伟斌 戚湧
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 交通拥堵预测 交通流量 长短期记忆模型 去噪自编码 深度学习
• 年，卷（期）: 2020,（1）
• 页码范围: 26-32,48
• 页数: 8页
• 分类号: TP181
• 字数: 5512字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.01.005

摘要

为了在交通拥堵预测算法中充分考虑各类因素的影响以及挖掘交通流数据隐含的深层特征,该文提出基于长短期记忆(Long-short term memory,LSTM)模型的交通拥堵预测方法.该方法充分考虑交通流特征、天气、节假日等因素,首先利用去噪自编码模型提取输入数据的核心特征,再使用LSTM模型长时记忆历史数据,二者结合对城市交通拥堵程度进行有效预测,通过与已有的交通拥堵预测模型进行对比,结果表明,该方法具有较高的预测准确度和鲁棒性,准确度能达到92％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戚湧	南京理工大学计算机科学与工程学院	134	1347	20.0	31.0
2	张伟斌	南京理工大学电子工程与光电技术学院	8	18	2.0	4.0
3	吕鲜	南京理工大学计算机科学与工程学院	2	3	1.0	1.0