基于深度学习算法的短时交通流预测研究.docxVIP

PAGE 2 基于深度学习算法的短时交通流预测研究 PAGE 2 摘 要 从2012年以来，随着智能交通的发展，海量交通数据的沉淀，神经网络优化算法的提升和机器计算能力的发展，深度学习技术开始迎来爆发式发展，在交通领域深度学习也表现非常出色。本文提出了一种基于深度学习的短时交通流预测模型，将长短时记忆模型(LSTM)作为预测模型，对数据进行归一化处理后，输入进LSTM模型进行预测。本文选择美国加州圣何塞市某高速公路2018年2月到4月总共三个月的数据进行实例分析，并与传统的ARIMA预测模型进行对比。实例表明，本文提出的模型预测误差比ARIMA模型减少了5.84%，模型效果很出色。