论文摘要
为减轻日益严重的交通拥堵问题,实现智能交通管控,给交通流诱导和交通出行提供准确实时的交通流预测数据,设计了基于长短时记忆神经网络（LSTM）和BP神经网络结合的LSTM-BP组合模型算法.挖掘已知交通流数据的特征因子,建立时间序列预测模型框架,借助Matlab完成从数据的处理到模型的仿真,实现基于LSTMBP的短时交通流精确预测.通过与LSTMBPWNN三种预测网络模型的对比,结果表明LSTM-BP预测的时间序列具有较高的精度和稳定性.该模型的搭建,可对交通分布的预测、交通方式的划分、实时交通流的分配提供依据和参考.
论文目录
文章来源
类型: 期刊论文
作者: 李明明,雷菊阳,赵从健
关键词: 智能交通系统,模型,时间序列,短时交通流预测
来源: 计算机系统应用 2019年10期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 上海工程技术大学机械与汽车工程学院
分类号: U491.1;TP183
DOI: 10.15888/j.cnki.csa.007077
页码: 152-156
总页数: 5
文件大小: 821K
下载量: 423