基于LSTM的城市道路交通速度预测

摘要：

交通预测对于交通智能管控具有重要的作用,实时准确的交通速度预测是相关研究领域中亟待解决的问题.传统预测方法难以应对日益复杂的交通数据,深度学习作为一种以数据为导向的新技术,在交通预测领域得到了广泛应用.综合利用城市道路交通的时空关联特征,搭建基于长短期记忆(LSTM)的城市道路交通速度预测模型,模型在时间特征上考虑了近历史时刻和远历史时刻的速度信息,以及待预测时刻的时刻值;在空间特征上集成了目标路段的上下游路段速度信息.基于武汉市出租车GPS数据和高德开放交通数据,开展数据处理与路段速度预测实验,分析预测模型参数与特征对预测结果的影响,并通过与传统方法的对比验证模型的有效性.

关键词：长短期记忆、深度学习、交通预测、GPS轨迹数据、时空分析

所属期刊栏目：26

分类号：U491(交通工程与公路运输技术管理)

在线出版日期：2019-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：79-85