基于改进LSTM算法的短时交通流量预测

被引：23

作者：

刘铭

鱼昕

机构：

[1] 长春工业大学数学与统计学院

来源：

桂林理工大学学报 | 2021年 / 41卷 / 02期

关键词：

短时交通流量预测; 算术平均滤波; MVF-LSTM; 迭代次数; 噪声数据;

D O I：

暂无

中图分类号：

U491 [交通工程与交通管理];

学科分类号：

082301 [道路与铁道工程];

摘要：

针对短时交通流量预测模型受噪声数据影响预测误差较大的问题,提出了一种改进的长短期记忆网络(long short-term memory, LSTM)的短时交通流量预测模型——MVF-LSTM模型,该模型使用算术平均滤波MVF对LSTM模型的输入层进行改进,从而增加LSTM隐藏层输入的维度,利用平均相对误差对模型的迭代次数、时间步长和隐藏层神经元的个数进行调整,提高了模型的预测精度。实验结果表明:改进的模型平均相对误差降至5%,具有良好的泛化能力,可以更好地反映交通流量的变化特征。

引用

页码：409 / 414

页数：6

共 10 条

[1]

Using Kalman filter algorithm for short-term traffic flow prediction in a connected vehicle environment [J].

Emami, Azadeh ;

Sarvi, Majid ;

Bagloee, Saeed Asadi .

JOURNAL OF MODERN TRANSPORTATION, 2019, 27 (03) :222-232

[2]

基于小波分析与贝叶斯估计的组合统计建模 [J].

林静 ;

唐国强 ;

覃良文 .

桂林理工大学学报, 2017, 37 (01) :217-222

[3]

基于多核混合支持向量机的城市短时交通预测 [J].

欧阳俊 ;

陆锋 ;

刘兴权 ;

段滢滢 .

中国图象图形学报, 2010, 15 (11) :1688-1695

[4]

基于改进KNN的CEEMD-RFR的短期交通流预测 [D].

杜金彪 .

长安大学,

2018

[5]

Short-term traffic flow prediction based on spatio-temporal analysis and CNN deep learning[J] Weibin Zhang;Yinghao Yu;Yong Qi;Feng Shu;Yinhai Wang Transportmetrica A: Transport Science 2019,

[6]

Short Term Traffic Prediction on the UK Motorway Network Using Neural Networks[J] Carl Goves;Robin North;Ryan Johnston;Graham Fletcher Transportation Research Procedia 2016,

[7]

Improving Traffic Flow Prediction With Weather Information in Connected Cars: A Deep Learning Approach.[J] Arief Koesdwiady;Ridha Soua;Fakhreddine Karray IEEE Trans. Vehicular Technology 2016,

[8]

Short-term traffic flow prediction using seasonal ARIMA model with limited input data[J] S. Vasantha Kumar;Lelitha Vanajakshi European Transport Research Review 2015,

[9]

Traffic Prediction Using Multivariate Nonparametric Regression[J] Stephen Clark Journal of Transportation Engineering 2003,

[10]

Long short-term memory.[J] Hochreiter S;Schmidhuber J Neural computation 1997,

← 1 →