基于LSTM的城市道路交通速度预测

基于LSTM的城市道路交通速度预测

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

  • 0 引言
  • 1 数据处理与相关性分析
  •   1.1 数据集概述
  •   1.2 数据处理
  •     1.2.1 出租车GPS轨迹数据
  •     1.2.2 高德交通数据
  •   1.3 城市道路交通状态相关性分析
  • 2 基于LSTM城市道路交通速度预测模型
  •   2.1 LSTM循环神经网络模型
  •   2.2 基于LSTM的城市道路交通速度预测模型
  • 3 研究结果与分析
  •   3.1 结果评价指标
  •   3.2 实验过程及结果分析
  •     3.2.1 与其他预测模型的对比实验
  •     3.2.2 近历史时刻数量对比试验
  •     3.2.3模型特征对比实验
  • 4 结束语
  • 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

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于LSTM的城市道路交通速度预测
    下载Doc文档

    猜你喜欢