基于WT-SLSTM模型的交通流预测研究

作者：张瑞; 席一丹; 白惠君; 周晓渊; 韩峰宇

来源：山西交通科技, 2023, (04): 129-133.

• 小波变换(WT)
• 堆叠式长短时记忆(SLSTM)模型
• 交通流预测
• LSTM模型

随着机动车保有量的增加，交通问题逐渐成为城市管理中的重要议题。尤其是交通事故频繁发生，给社会带来了巨大的安全隐患和经济损失。为了减少交通事故的发生率，学者们对交通流预测进行了深入研究。虽然传统的交通流预测取得了一定的成果，但其预测精度和预测滞后等问题仍然存在。为了解决这些问题，采用小波变换和堆叠式长短时记忆模型相结合的WT-SLSTM(Wavelet Transform and Stacked Long Short Term Memory)模型，对北京市出租车车流量进行了分析预测。结果表明，WT-SLSTM模型在预测精度和拟合程度等方面都优于基准模型。因此，WT-SLSTM模型可以更好地对交通流进行预测，有助于交通部门对大流量路段的车辆管控，从而减少交通事故的发生，为构建智慧交通做出贡献。

• 单位
  太原工业学院