路网交通流在时空分析背景下的预测研究

• 作者: 李彤伟 王庆荣
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 智能交通系统 短时交通流预测 深度学习 路网 长短时记忆(LSTM)网络
• 年，卷（期）: 2020,（17）
• 所属期刊栏目: 工程与应用
• 页码范围: 258-265
• 页数: 8页
• 分类号: TP399
• 字数: 5829字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1906-0164

摘要

深度学习近年来被广泛应用于交通工程领域,针对大型路网中单个路段的交通流预测考虑因素单一、预测精度不高的问题,充分利用长短时记忆(LSTM)网络在时序数据处理方面的优势,结合路网交通流时空分析并运用LSTM模型进行预测.通过对路网中路段检测站点间交通流数据进行相关性计算,并设置不同阈值来选择出代表路段的编号构造原始数据矩阵,对矩阵进行压缩来增加运算效率,最后将压缩矩阵输入模型中进行预测.设置仿真对比实验,验证了提出的方法相较于其他几种模型预测准确率平均可提升11.84％,是一种高效率的交通流预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王庆荣	兰州交通大学电子与信息工程学院	32	177	8.0	11.0
2	李彤伟	兰州交通大学电子与信息工程学院	1	0	0.0	0.0