Print

基于LSTM神经网络模型的交通事故预测

论文摘要

道路交通事故是道路交通安全水平的具体体现,为使预测数据更科学地为交通管理系统提供决策。提出建立基于LSTM（Long Short-Term Memory）神经网络的交通事故模型,训练交通事故相关的数据,对交通安全水平的指标进行预测。经过与传统回归模型和传统神经网络模型进行实验对比,实验显示LSTM拟合效果最佳,另外LSTM模型对同一趋势上的预测效果有明显优势。通过使用LSTM模型捕获数据中存在的时序依赖关系,能够更准确地对交通事故安全水平进行预测,使交通管理部门制定更加科学准确的决策。

论文目录

  • 1 引言
  • 2 长短期记忆模型
  • 3 道路安全影响因素和指标选取
  •   3.1 道路安全影响因素数据
  •   3.2 道路安全预测指标
  •   3.3 性能评价指标
  •   3.4 变量关联分析
  • 4 道路交通安全预测的LSTM模型
  •   4.1 归一化处理
  •   4.2 隐藏层节点个数
  •   4.3 模型深度
  •   4.4 网络结构
  • 5 实验对比分析
  •   5.1 实验环境
  •   5.2 实验设计及结果分析
  •   5.3 鲁棒性分析
  • 6 结束语

    • 文章来源

    类型: 期刊论文

    作者: 张志豪,杨文忠,袁婷婷,李东昊,王雪颖

    关键词: 交通事故,神经网络,长短期记忆,预测,回归

    来源: 计算机工程与应用 2019年14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: 新疆大学信息科学与工程学院

    基金: 新疆维吾尔自治区自然科学基金(No.2017D01C042)

    分类号: TP183;U491.31

    页码: 249-253+259

    总页数: 6

    文件大小: 1863K

    下载量: 1558

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/7c356c33e428915abbed254d.html