基于Bi-LSTM模型的高速公路交通量预测

论文摘要

高速公路交通量的预测是管理部门研究的重要内容,为交通控制和诱导提供数据支撑。针对高速公路交通量的预测问题,引入一种新的基于双向长短期记忆网络（Bidirectional Long Short Time Memory Network,Bi-LSTM）的方法。Bi-LSTM模型将普通的LSTM拆分成为两个方向,前向计算关联历史数据,后向计算关联未来数据,两个方向LSTM不直接连通,将两份数据整合输出作为Bi-LSTM计算单元输出值。实验表明,BiLSTM模型相比对比模型预测误差至少优化了4. 5%,在非线性交通流数据中具有更好的预测性能和泛化能力。

论文目录

文章来源

类型: 期刊论文

作者: 温惠英,张东冉

关键词: 交通量预测,高速公路,循环神经网络,双向长短期记忆

来源: 公路工程 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 华南理工大学土木与交通学院

基金: 国家自然科学基金资助项目(51378222,51578247)

分类号: U491.14

DOI: 10.19782/j.cnki.1674-0610.2019.06.009

页码: 51-56

总页数: 6

文件大小: 222K

下载量: 335

相关论文文献

标签：交通量预测论文;  高速公路论文;  循环神经网络论文;  双向长短期记忆论文;