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。