论文摘要
交通预测对于交通智能管控具有重要的作用,实时准确的交通速度预测是相关研究领域中亟待解决的问题。传统预测方法难以应对日益复杂的交通数据,深度学习作为一种以数据为导向的新技术,在交通预测领域得到了广泛应用。综合利用城市道路交通的时空关联特征,搭建基于长短期记忆(LSTM)的城市道路交通速度预测模型,模型在时间特征上考虑了近历史时刻和远历史时刻的速度信息,以及待预测时刻的时刻值;在空间特征上集成了目标路段的上下游路段速度信息。基于武汉市出租车GPS数据和高德开放交通数据,开展数据处理与路段速度预测实验,分析预测模型参数与特征对预测结果的影响,并通过与传统方法的对比验证模型的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 阎嘉琳,向隆刚,吴华意,孙尚宇
关键词: 长短期记忆,深度学习,交通预测,轨迹数据,时空分析
来源: 地理信息世界 2019年05期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑
专业: 公路与水路运输
单位: 武汉大学测绘遥感信息工程国家重点实验室,武汉大学地球空间信息技术协同创新中心
分类号: U491.1
页码: 79-85
总页数: 7
文件大小: 2487K
下载量: 390