针对目前交通流预测精度不高的问题，提出了一种时空注意力Bi-LSTM的短时交通流预测模型。结合交通流的时空特性，将交通流序列构成时空数据矩阵作为模型的输入，利用Bi-LSTM网络关联预测时刻前后的交通流数据，捕捉交通流数据在时间维度前后潜在的联系。引入注意力机制，解决不同时刻输入特征对预测时刻交通流影响存在差异的问题。实验结果表明，相较于对比模型，所提出预测方法的预测误差低于其他模型的预测误差，其有效地提升了预测精度，体现了新模型对于短时交通流预测的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
