10.3969/j.issn.1000-3886.2021.05.029
基于观测点遴选与时空信息的短时交通流预测
针对高速公路短时交通流预测问题中待测站点上下游的交通流量时空信息利用不充分,且上下游观测点选择不合理的问题,提出了基于观测点遴选并充分挖掘时空信息的短时交通流预测方法.首先使用KNN算法对待测站点的上下游节点进行遴选,将与待测站点欧氏距离较小的上下游节点历史数据组织成包含时空信息的二维矩阵;然后使用卷积神经网络提取空间特征,将所得的特征向量送入双向LSTM模型进行时间信息的提取并完成最终预测.结果 表明,经过观测点遴选后的KNN-CNN-BiLSTM预测模型准确率较遴选前提升了19.3%,实现了交通流时空信息的充分挖掘,是一种有效精准的短时交通流预测模型.
交通流预测;卷积神经网络;时空信息
43
TP391(计算技术、计算机技术)
2021-12-20(万方平台首次上网日期,不代表论文的发表时间)
共3页
95-96,114