基于长短时记忆网络的城市道路拥堵趋势研究
打开文本图片集
中图分类号：U412
文献标志码：A
随着城市化进程加速，城市交通压力逐渐增加，传统的ARIMA、SVM等交通预测方法难以有效描述交通流复杂的时空非线性关系。针对该问题，本研究引入LSTM技术捕捉交通数据中的长期依赖关系，利用其独特的门控机制解决传统循环神经网络（RNN）长期记忆丢失的问题。在具体实践中，早晚高峰车流的周期性波动以及交通事故导致的拥堵传播，都可以通过LSTM的输入门、遗忘门、输出门机制进行建模，其中，遗忘门根据当前交通状态决定保留多少历史记忆，输入门则筛选新特征以更新记忆单元。（剩余7242字）
