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