基于长短期记忆网络的智能交通流量预测分析

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

摘要：为了提高智能交通流的预测精度，设计了一种基于长短期记忆（long short-term memory，LSTM）网络的智能交通流量预测分析方法。该方法采用时域和外部参数构成特征矩阵，通过卷积层对输入特征进行卷积计算，再利用LSTM网络模型对交通流特征进行预测。研究结果表明，在引入外部因素后，LSTM网络模型的平均绝对百分比误差（mean absolute percentage error，MAPE）下降了15.26%，精度（Accuracy）提高了0.09，通过提取外界因素可以使模型达到更高的预测精度。（剩余3934字）

试读结束

目录
monitor
客服机器人