短期交通流量预测是各种智能交通场景中的关键任务之一.文章提出了一种堆叠长短期记忆（LSTM,Long Short-term Memory）神经网络来执行此任务.该方法以堆叠的结构增加神经网络的深度，可增强对复杂的线性和非线性函数的拟合能力，从而提高预测的准确性.在四个典型的基准数据集上进行了大量的实验，结果表明所提出方法优于常用的机器学习和经典的LSTM方法.
科研之友
微信
新浪微博
Facebook
分享链接
