基于KNN-LSTM短时交通车流量预测方法的研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：针对当前现有预测模型在智能交通短时车流量预测过程中无法有效预测交通流序列规律、不能在车流量预测时充分利用交通流的时空相关性，以及循环神经网络存在梯度消失和爆炸的问题，提出了一种基于KNN（K-最近邻）和LSTM（长短时记忆）相结合的短时交通车流量预测方法。实验研究表明，该模型能够更好且有效地提取到交通流序列的时空特性，以及解决循环神经网络在短时交通流预测过程中存在的相关问题。（剩余7945字）

试读结束

目录
monitor