基于LSTM的城市道路交通速度预测 |
| |
作者姓名: | 阎嘉琳 向隆刚 吴华意 孙尚宇 |
| |
作者单位: | 武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079;武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079;武汉大学地球空间信息技术协同创新中心,湖北武汉430079 |
| |
摘 要: | 交通预测对于交通智能管控具有重要的作用,实时准确的交通速度预测是相关研究领域中亟待解决的问题。传统预测方法难以应对日益复杂的交通数据,深度学习作为一种以数据为导向的新技术,在交通预测领域得到了广泛应用。综合利用城市道路交通的时空关联特征,搭建基于长短期记忆(LSTM)的城市道路交通速度预测模型,模型在时间特征上考虑了近历史时刻和远历史时刻的速度信息,以及待预测时刻的时刻值;在空间特征上集成了目标路段的上下游路段速度信息。基于武汉市出租车GPS数据和高德开放交通数据,开展数据处理与路段速度预测实验,分析预测模型参数与特征对预测结果的影响,并通过与传统方法的对比验证模型的有效性。
|
关 键 词: | 长短期记忆 深度学习 交通预测 GPS轨迹数据 时空分析 |
本文献已被 CNKI 万方数据 等数据库收录! |
|