发表之家网站,学术咨询:400-888-7501 订阅咨询:400-888-7502 股权代码 102064

基于Bi-LSTM模型的高速公路交通量预测

作者:温惠英; 张东冉 华南理工大学土木与交通学院; 广东广州510641
交通量预测   高速公路   循环神经网络   双向长短期记忆  

摘要:高速公路交通量的预测是管理部门研究的重要内容,为交通控制和诱导提供数据支撑。针对高速公路交通量的预测问题,引入一种新的基于双向长短期记忆网络(Bidirectional Long Short Time Memory Network,Bi-LSTM)的方法。Bi-LSTM模型将普通的LSTM拆分成为两个方向,前向计算关联历史数据,后向计算关联未来数据,两个方向LSTM不直接连通,将两份数据整合输出作为Bi-LSTM计算单元输出值。实验表明,Bi-LSTM模型相比对比模型预测误差至少优化了4.5%,在非线性交通流数据中具有更好的预测性能和泛化能力。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

投稿咨询 免费咨询 杂志订阅
在线咨询 投稿咨询 加急见刊 杂志订阅 返回首页