准确的短时交通流量预测有利于主动交通控制和出行者的出行规划,文章提出了一种改进的长短期记忆模型(ILSTM)来对短时道路交通流量进行预测。LSTM是RNN的变体形式,在处理时间序列数据上具有优势,所以适合来预测短时交通流量,并通过仿真实验来验证所提方法的有效性,构建了以LSTM为基础的深度学习模型,与其它传统模型支持向量机(SVR),长短记忆模型(LSTM)进行了比较分析,并调整了模型的超参数以分析对模型性能的影响。
科研之友
微信
新浪微博
Facebook
分享链接
