基于优化LSTM模型的停车泊位预测算法

作者：刘菲^*; 郝风杰; 郝敬全; 周永利; 辛国茂

来源：计算机应用, 2019, S1: 65-69.

• 长短期记忆
• 神经网络
• 深度学习
• 停车预测
• 时间序列

针对道路停车泊位数预测准确性不高、预测误差较大的问题,提出一种基于循环神经网络LSTM模型的停车泊位预测算法,研究从历史停车数据中挖掘知识并预测不同时段内的停车泊位数。首先,建立一种优化的基于LSTM和双向LSTM网络的LSTM模型,通过双向LSTM网络对上一层的LSTM网络预测后的时间序列再进一步进行学习训练,以有效克服预测误差大的缺点;其次,结合正向LSTM和逆向LSTM具有的捕获数据时序性和长程依赖性的优势,进一步提高预测结果的精确度。利用不同实测道路停车场的数据对所提算法的有效性进行验证,结果表明,在同等条件下,所提算法的准确度和效率均优于LSTM模型算法,预测精度和训练速度均有较大提高。