基于Bi-LSTM模型的高速公路交通量预测

作者：温惠英; 张东冉

来源：公路工程, 2019, 44(06): 51-56.

DOI：10.19782/j.cnki.1674-0610.2019.06.009

• 交通量预测
• 高速公路
• 循环神经网络
• 双向长短期记忆

高速公路交通量的预测是管理部门研究的重要内容,为交通控制和诱导提供数据支撑。针对高速公路交通量的预测问题,引入一种新的基于双向长短期记忆网络(Bidirectional Long Short Time Memory Network,Bi-LSTM)的方法。Bi-LSTM模型将普通的LSTM拆分成为两个方向,前向计算关联历史数据,后向计算关联未来数据,两个方向LSTM不直接连通,将两份数据整合输出作为Bi-LSTM计算单元输出值。实验表明,BiLSTM模型相比对比模型预测误差至少优化了4. 5%,在非线性交通流数据中具有更好的预测性能和泛化能力。

• 单位
  华南理工大学