节点文献

基于LSTM的城市道路交通速度预测

免费订阅

【作者】 阎嘉琳向隆刚吴华意孙尚宇

【Author】 YAN Jialin;XIANG Longgang;WU Huayi;SUN Shangyu;State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University;Collaborative Innovation Center for Geospatial Technology, Wuhan University;

【通讯作者】 向隆刚;

【机构】 武汉大学测绘遥感信息工程国家重点实验室武汉大学地球空间信息技术协同创新中心

【摘要】 交通预测对于交通智能管控具有重要的作用,实时准确的交通速度预测是相关研究领域中亟待解决的问题。传统预测方法难以应对日益复杂的交通数据,深度学习作为一种以数据为导向的新技术,在交通预测领域得到了广泛应用。综合利用城市道路交通的时空关联特征,搭建基于长短期记忆(LSTM)的城市道路交通速度预测模型,模型在时间特征上考虑了近历史时刻和远历史时刻的速度信息,以及待预测时刻的时刻值;在空间特征上集成了目标路段的上下游路段速度信息。基于武汉市出租车GPS数据和高德开放交通数据,开展数据处理与路段速度预测实验,分析预测模型参数与特征对预测结果的影响,并通过与传统方法的对比验证模型的有效性。

【所属期刊栏目】 创新应用 (2019年05期)
  • 【分类号】U491.1
  • 【下载频次】103
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: