针对现有预测模型在智慧交通车流量预测过程中准确度较低、数据不平稳的问题，文章提出了一种基于卷积神经网络（CNN）和时间序列预测模型自回归差分移动平均（ARIMA）相结合的短周期交通车流量预测方法。文章以芜湖市汪溪路路口一周内的历史车流量数据为样本去预测下一时间周期的交通车流量，将得到的数据经过归一化处理后模拟仿真实验，仿真结果表明，该方案能够运用于交通管控中，且能有效保持较高精确率而不受数据集大小的影响，其预测结果可以为车辆拥堵问题提供较好的提前应对方案。
科研之友
微信
新浪微博
Facebook
分享链接
