基于LSTM循环神经网络的停车需求预测研究

摘要：

随着汽车保有量的不断增加,城市停车矛盾日益突出.目前,停车引导系统通过为驾驶员和交通管理者提供实时准确的停车信息,被认为是缓解停车问题的有效方法.而停车需求预测方法作为停车引导系统实现的前提之一,是决定能否通过停车引导系统解决停车问题的关键因素.基于此,文中提出利用LSTM循环神经网络方法预测停车需求,并以北京公联枢纽建设管理有限公司负责运营管理的宋家庄停车场为研究对象,建立了基于LSTM循环神经网络的停车需求预测模型,通过与获取的实际停车需求值的对比分析,发现采用LSTM循环神经网络的停车需求预测结果精度较高,表明该预测方法的有效性.

关键词：停车需求预测、LSTM循环神经网络、机器学习

所属期刊栏目：42

分类号：F570(城市交通运输经济)

在线出版日期：2020-11-20（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：147-150