交通流预测在路径引导、交通管控和交通信息服务等方面具有重要意义，已成为近年来的研究热点。为应对不同日期、道路情况和天气情况对交通流波动产生的影响，提出了一种基于时间聚类的交通流量预测模型TC-ConvLSTM。从微波检测器收集原始流量数据，清洗数据，去除异常点，使用K-shape聚类方法对交通流量进行时间聚类，并针对不同的簇使用卷积长短时记忆神经网络预测交通流量。与其他深度学习方法的对比实验表明：在考虑不同交通模式分类下进行交通流量预测，能够取得更高的精度。
科研之友
微信
新浪微博
Facebook
分享链接
