基于深度学习的交通流预测

摘要：

为进一步完善建设智能交通、促进路网充分利用、缓解交通拥堵并减少CO2排放进而加速实现"碳达峰",设计并建立一套考虑数据预处理的路网交通流预测模型.模型使用3σ原则对交通流数据进行异常点检测,采用K-means方法对检测到的异常点进行填补,并建立长短时记忆网络对交通流进行预测.以真实案例为样本,采用长短时记忆网络对贵州省某区域路网的交通情况交通流进行预测仿真,实验表明该模型对于具有周期性的交通流预测精度能够达到87.78％.

关键词：K-means方法、长短期记忆、交通流预测、车流量

所属期刊栏目：44

分类号：TP312;U491.14(计算技术、计算机技术)

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：52-55