科研之友
微信
新浪微博
Facebook
分享链接
摘要
交通流通常具有复杂时空关联性，且易受天气、速度等外部因素的影响。为提高高速公路关键节点交通流预测的准确性，设计一种基于ConvLSTM网络且融合时空关联性和外部因素的交通流预测模型——STE-ConvLSTM。构建交通流、速度、天气时空矩阵，将其延深度方向堆叠，通过滑动窗口模型将其处理为类图像时间序列数据，利用ConvLSTM网络提取交通流的时空关联性和外部因素特征；利用卷积层实现交通流预测多变量多步输出。实验结果表明，相较于传统的交通流预测模型，该模型在交通流多步预测方面的预测准确度有所提升。
- 单位
