基于CNN+LSTM的短时交通流量预测方法

摘要：

针对传统的预测方法只考虑到了交通流量的时序特征,忽略了其空间特征这一问题,提出卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的短时交通流量预测模型.通过CNN挖掘相邻路口交通流量的空间关联性,通过LSTM模型挖掘交通流量的时序特征,将提取的时空特征进行特征融合,实现短期流量预测.实验结果表明,CNN+LSTM模型预测误差明显小于其它模型,验证了考虑时空特征进行交通流量预测的有效性.

关键词：交通流量、时空特征、预测、卷积神经网络、长短期记忆网络

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：北京市教委科技创新平台基金项目PXM2018_014213_000033

在线出版日期：2019-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2620-2624,2659