基于LSTM-BP神经网络的道路拥堵时间智能预测

• 作者: 李珂 檀亚宁 武佳琪
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: LSTM BP神经网络 道路拥堵 时间预测
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 应用研究
• 页码范围: 64-65
• 页数: 2页
• 分类号: TP183
• 字数: 1348字
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2020.05.40

摘要

近年来,随着国民经济的发展,人民生活水平的提高,汽车占有率也在不断增加.然而道路建设的相对滞后,导致城市交通拥堵情况日益严重.现有的导航软件通过获取实时的GPS数据,确定当前的道路情况,但在严重的交通拥堵情况下,对交通拥堵时间预测的准确度较差.基于此,本文通过熵权法对模型的指标进行筛选,并提出一种LSTM-BP组合神经网络模型,该模型可以很好的识别车流量、平均旅行时间、平均速度等数据,以此提高模型的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	檀亚宁		17	3	1.0	1.0
2	武佳琪		13	3	1.0	1.0
3	李珂		3	0	0.0	0.0