基于CNN+LSTM的短时交通流量预测方法

作者:晏臻; 于重重*; 韩璐; 苏维均; 刘平
来源:计算机工程与设计, 2019, 40(09): 2620-2659.
DOI:10.16208/j.issn1000-7024.2019.09.038

摘要

针对传统的预测方法只考虑到了交通流量的时序特征,忽略了其空间特征这一问题,提出卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的短时交通流量预测模型。通过CNN挖掘相邻路口交通流量的空间关联性,通过LSTM模型挖掘交通流量的时序特征,将提取的时空特征进行特征融合,实现短期流量预测。实验结果表明,CNN+LSTM模型预测误差明显小于其它模型,验证了考虑时空特征进行交通流量预测的有效性。

全文