登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于LSTM的城市道路交通速度预测
  • 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.

  • 作者

    阎嘉琳  向隆刚  吴华意  孙尚宇  YAN Jialin  XIANG Longgang  WU Huayi  SUN Shangyu 

  • 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

  • 刊期

    2019年5期 ISTIC

  • 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 

相似文献 查看更多>>
3.226.243.36