科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了研究高速公路在交通流预测过程中时间粒度对于精度的影响，及时向出行者提供精准实时的道路信息，通过TensorFlow深度学习模块，建立支持向量回归(SVR)与长短时记忆(LSTM)相结合的预测模型。基于LSTM模型的长期记忆功能与支持向量回归非线性化特点，调整优化参数，以英国高速公路局提供的M3高速公路数据为例进行分析，根据预测结果对模型进行对比评价，并结合模型对不同时段的交通流数据进行分析研究。结果表明：SVR-LSTM组合预测模型对于高速公路数据有更好的适应性，而且时间粒度如果越精细，预测精度将大幅提高。
- 单位
