基于PCA-LSTM的城市短时交通流预测研究

摘要：

针对城市交通流序列具有时空相关性难以预测的问题,构建了主成分分析(PCA)和长短期记忆LSTM(Long Short-Term Memory)网络相结合的短时交通流预测模型.以合肥市示范区交通流数据为基础,采用PCA提取与预测站点具有空间相关性的站点,将提取的站点交通流序列作为输入,利用LSTM神经网络实现城市短时交通流量的预测.结果表明:与经典的交通流预测算法相比,该方法预测效果具有良好的表现,对研究城市智能交通有一定的参考价值.

关键词：城市交通、交通流预测、LSTM、PCA

所属期刊栏目：37

分类号：U491.1+12(交通工程与公路运输技术管理)

资助基金：陕西省重点研发项目2019GY-002

在线出版日期：2021-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：115-118,132