基于深度学习的城市快速路交通运行状态判别与预测
打开文本图片集
摘 要:为了实时判断城市交通及快速路交通状况,并充分考虑到快速路及交通系统的模糊性、差异性、波动性,文章首先给出了一套基于模糊C均值聚类法(Fuzzy C-Means)的快速路交通状况判断算法,将道路的交通状况区分为通畅、基本顺畅、缓行、堵塞4类。其次,利用了长短期记忆网络(LSTM)的长短时预测技术,给出了一个基于深度学习的模式,对交通运行三参数进行预测,并利用路侧检测设备不断获取新的真实数据,对预测模型进行迭代训练。(剩余10388字)
网站仅支持在线阅读(不支持PDF下载),如需保存文章,可以选择【打印】保存。