人流量预测是目前智能交通的研究方向之一。精准预测人流量的趋势和峰值,能够合理调度警力和人力资源,并对由于人群众多引起的踩踏事件作出提前预警。随着各传感器的大量部署,交通系统已拥有大量可用数据,但是缺乏行之有效的分析方法。为此,本文通过深度学习的方式对人流量预测建立模型,提出一种基于LSTM神经网络的人流量预测模型,能够根据已知数据预测未来一段时间内人流量的趋势和峰值。与ARRIMA模型比较验证,LSTM网络模型具有更好的性能。
科研之友
微信
新浪微博
Facebook
分享链接
