基于深度学习LSTM对交通流状态的预测

来源 :数学的实践与认识 | 被引量 : 0次 | 上传用户:yigenjin2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
当今道路交通状态对城市管理和人们出行愈加重要,影响着人类生活的方方面面.以深圳交通为研究对象,由基础车辆数据和道路坐标构建了路网系统,从车辆速度和密度两个方面导出了交通流状态评价指数TSI.利用深度学习长短期记忆神经网络(LSTM)对车辆速度和密度两个指标进行预测,并通过对比极限学习机(ELM),时间序列(ARMA)和BP神经网络,进行仿真实验,结果表明相对于传统预测模型,所采用的LSTM网络具有更优的预测精确度和对远期预测的稳定性.最后利用预测结果计算出更能直观反映出道路交通拥堵情况的TSI指数,为人们提供了准确的交通状态预测.
其他文献
喀斯特地区土壤瘠薄,植被恢复困难,根系对幼苗生长发育起重要作用.丛枝菌根真菌(AMF)侵染可促进喀斯特植物干物质积累及提升抗逆能力,但AMF对喀斯特地区主要恢复树种根系侵染
以稀有稀土金属矿采选业价格指数反映稀土原料价格波动,以石油化工等5大传统领域产业,汽车电子等4大新材料领域产业为研究样本,通过构建VAR模型和脉冲响应函数,实证分析2014
单点值预测有其局限性,因为客观世界许多影响因素都呈现出动态的范围区间.运用变权系数区间组合思想,引入相关性指标,将相关性指标与IOWHA结合,研究相关性指标优化IOWHA区间
在全国联网收费的背景下,从动态收费的角度考虑,建立了双层规划模型,上层规划中将路网管理者作为领导者,以高速公路收费效益最大化为目标函数,同时考虑道路运营管理方的合理