10.3969/j.issn.1006-4303.2022.04.007
基于深度学习的城市快速路交通流预测方法
交通流预测在路径引导、交通管控和交通信息服务等方面具有重要意义,已成为近年来的研究热点.为应对不同日期、道路情况和天气情况对交通流波动产生的影响,提出了一种基于时间聚类的交通流量预测模型TC-ConvLSTM.从微波检测器收集原始流量数据,清洗数据,去除异常点,使用K-shape聚类方法对交通流量进行时间聚类,并针对不同的簇使用卷积长短时记忆神经网络预测交通流量.与其他深度学习方法的对比实验表明:在考虑不同交通模式分类下进行交通流量预测,能够取得更高的精度.
交通流预测、时间聚类、长短时记忆神经网络、卷积神经网络
50
U491(交通工程与公路运输技术管理)
浙江省基础公益研究计划项目;国家自然科学基金
2022-07-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
406-412,463