基于LSTM-RF模型的城市道路交通流预测

• 作者: 张宝花 赵庶旭
• 来源期刊: 测试科学与仪器
• 学科: 工学
• 关键词: 交通流预测 LSTM-RF模型 随机森林 组合模型 时空相关性
• 年，卷（期）: 2020,（2）
• 页码范围: 135-142
• 页数: 8页
• 分类号: TP391
• 字数: 710字
• 语种: 英文
• DOI: 10.3969/j.issn.1674-8042.2020.02.005

摘要

交通流预测作为信号协调和出行时间预测等任务的基础,成为了交通领域的研究点.对于交通流预测问题,研究人员提出了多种方法,但这些方法大多只使用交通流数据的时域信息进行交通流预测,忽略了空间相关性对于预测目标路段流的影响,导致预测精度不理想.基于组合模型的思想提出了一种称为LSTM-RF的交通流预测模型.在交通流预测过程中,首先使用LSTM模型提取预测目标路段的时序特征,再将其预测值与采集的相邻上下游路段信息同时作为随机森林模型的输入特征,进行交通流时空相关性分析,获得最终的预测结果.并通过贵阳市车牌识别系统采集的城区132条路段的交通流数据进行实验验证.结果表明:该方法在预测精度上优于单一模型,并且预测误差相比单一模型有明显减少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵庶旭	兰州交通大学电子与信息工程学院	39	124	6.0	8.0
2	张宝花	兰州交通大学电子与信息工程学院	1	0	0.0	0.0