|
|||||
|
|
| 基于ConvLSTM的高速公路交通流预测仿真研究 | |
| 引用本文： | 吴剑云,于安双.基于ConvLSTM的高速公路交通流预测仿真研究[J].实验室研究与探索,2022(12):132-137. |
| 作者姓名： | 吴剑云 于安双 |
| 作者单位： | 1. 青岛大学商学院;2. 上海大学悉尼工商学院 |
| 基金项目： | 青岛大学创新型教学实验研究项目(CXSYYB202232)； |
| 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。 |
| 关 键 词： | ConvLSTM网络 深度学习 交通流预测 高速公路 |