基于LSTM-BP神经网络的道路拥堵时间智能预测

近年来,随着国民经济的发展,人民生活水平的提高,汽车占有率也在不断增加。然而道路建设的相对滞后,导致城市交通拥堵情况日益严重。现有的导航软件通过获取实时的GPS数据,确定当前的道路情况,但在严重的交通拥堵情况下,对交通拥堵时间预测的准确度较差。基于此,本文通过熵权法对模型的指标进行筛选,并提出一种LSTM-BP组合神经网络模型,该模型可以很好的识别车流量、平均旅行时间、平均速度等数据,以此提高模型的预测精度。