基于GRU-LSTM深度网络的停车场剩余车位预测研究
摘要：针对现有停车场车位预测方法预测误差大的问题，提出一种基于门控循环单元-长短期记忆网络（gated recurrent unit-long short-term memory，GRU-LSTM）深度网络的停车场剩余车位预测方法。首先，通过构建GRU-LSTM预测模型，统计停车场现有的停车位数量，并利用深度神经网络（deep neural network，DNN）算法为车辆提供停车场内部路径引导，以实现停车场内部停车路径的有效规划；其次，通过对车位角检测框进行筛选并对车位线实施重构操作，预测剩余车位坐标，从而实现对停车场剩余车位的精确预测。（剩余5044字）
