10.3969/j.issn.1007-757X.2023.05.002
基于Conv1D和LSTM组合模型的多步交通流量预测分析
为了提高交通流预测精度,设计一种Conv1D和LSTM相结合的多步交通流预测模型.用Conv1D获取交通流的时间与周期参数,并测试各外部因素引起的交通流量变化,再利用LSTM序列分析模型,根据上述交通流特征进行预测.研究结果表明:在加入时间信息的条件下,交通流量预测结果与实际结果间存在更大相似度,考虑时间信息影响能够获得更准确的预测结果.经过外部因素提取处理后可以获得更高精度交通流预测结果,采用Conv1D+LSTM模型可以达到比LSTM更高的精度.
一维卷积神经网络(Conv1D)、长短期记忆神经网络(LSTM)、交通流量、预测
39
TP39(计算技术、计算机技术)
国家自然科学基金51775157
2023-06-30(万方平台首次上网日期,不代表论文的发表时间)
共3页
1-3