基于机器学习的城市交通态势评估与预测方法研究

• 作者: 刘晶鑫 唐婕 曹瑾鑫
• 来源期刊: 内蒙古大学学报（自然科学版）
• 关键词: 交通工程 交通态势评估预测 循环神经网络模型 机器学习
• 年，卷（期）: 2021,（2）
• 页码范围: 198-205
• 页数: 8页
• 分类号: U491.14
• 语种: 中文
• DOI: 10.13484/j.nmgdxxbzk.20210212

摘要

为更实时准确地评估和预测交通运行态势,以交通检测器提供的大量数据作为研究对象,通过分析交通流时空特征及变化规律,建立考虑谱聚类的K近邻算法,并对城市交通的运行态势进行等级分层并评估.在时间序列分析的基础上,建立考虑时间特性的LSTM和GRU神经网络模型,预测城市交通运行态势并分析对比各模型预测效果.研究结果表明:与传统ARIMA模型相比,改进的GRU神经网络模型综合效果更好.