摘要

本发明公开了一种多因素的短时交通流预测方法,包括步骤:1)计算特定检测器与气象站之间的距离,筛选出距离最近的气象站,将该气象站的天气数据作为检测器的天气数据;2)分别对检测器的历史交通流数据与历史天气数据进行预处理,再根据时间合并;3)构建多种特征,基于LightGBM进行特征筛选;4)利用LSTM对交通流数据的时序特征与周期性特征进行建模;5)使用神经网络中的全连接网络将交通流的时序特征、周期性特征与步骤3)筛选出来的多种特征进行融合;6)训练模型并对短时交通流进行预测。本发明克服了现有方法不能充分利用已有数据的不足,能对交通流数据进行更深入的挖掘分析,预测准确性高,鲁棒性好。