Print

基于长短期记忆网络构建短时车流预测模型

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

    本文来源: https://www.lunwen66.cn/article/8b92569fff04b0b161e6de6a.html