原文传递
基于TE-LSTM组合模型的短时交通流预测
| 题名： | 基于TE-LSTM组合模型的短时交通流预测 |
| 正文语种： | 中文 |
| 作者： | 唐诗韵 |
| 作者单位： | 西南交通大学 |
| 关键词： | 交通工程;交通流预测;传递熵;因果关系挖掘;LSTM神经网络 |
| 摘要： | 为了提升城市道路智能交通控制和管理的合理性和有效性，从交通流时空特性角度出发，提出基于传递熵（TE）变量选择和长短时记忆（LSTM）神经网络模型的城市道路交通流预测方法。根据传递熵选取与被测对象时空因果关联性强的影响因素，将筛选所得的因素作为输入变量，建立TE-LSTM组合预测模型采用自动车牌识别数据对算法进行训练和实验，并与基于随机森林（RF）、递归特征消除（RFE）、前向选择（FA）的LSTM组合预测模型对比。结果表明：TE-LSTM模型对道路交通流的预测准确度最高，交通流量预测的MAPE低于5%,在满足实际交通管理和控制的数据精度要求的同时，降低了预测模型的变量维度和复杂度，提升预测效率 |
| 期刊名称： | 综合运输 |
| 出版年： | 2022 |
| 期： | 07 |
| 页码： | 63-66 |
检索历史
应用推荐
