论文摘要
为了准确地预测短期高速公路车流量,从而有利于最优路径规划,基于高速公路大数据积累,以及基于神经网络机器学习技术的发展,构建了基于长短期记忆网络构建短时车流预测模型,并对关键参数的设置进行优化,提出模型求解算法。通过杭金衢高速新岭隧道段数据进行案例分析,模型预测精度高于传统时间序列模型,为今后高速公路运行管理提供可靠支撑。
论文目录
1 境内外研究现状2 基于长短期记忆网络 （LSTM） 构建浙江高速公路短时车流预测模型 2.1 浙江高速公路短时车流预测模型 2.1.1 基于LSTM算法的浙江高速公路短时车流预测模型 2.1.2 单变量LSTM短时车流预测模型构建步骤 2.2 参数调整3 案例试验 3.1 短期高速公路交通流预测数据选取 3.1.1 数据来源 3.1.2 选取字段 3.1.3 数据特点 3.2 LSTM与时间序列模型预测效果对比 （昱岭关数据） 3.2.1 ARIMA模型和SARIMA车流量预测 3.2.2 VAR模型车流量预测 3.2.3 单变量无状态LSTM模型车流量预测 3.3 单变量无状态LSTM模型预测效果 （杭金衢数据）4 结论和展望
文章来源
类型: 期刊论文
作者: 宋予佳,张健,邢珺
关键词: 高速公路,短期车流量预测,长短期记忆网络,深度学习
来源: 公路 2019年07期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 公路与水路运输
单位: 浙江交通大数据中心有限公司
分类号: U491.14
页码: 224-229
总页数: 6
文件大小: 146K
下载量: 405
相关论文文献
标签：高速公路论文; 短期车流量预测论文; 长短期记忆网络论文; 深度学习论文;
