基于長短期記憶網(wǎng)絡(luò)的智能交通流量預(yù)測分析

摘要：為了提高智能交通流的預(yù)測精度，設(shè)計(jì)了一種基于長短期記憶（long short-term memory，LSTM）網(wǎng)絡(luò)的智能交通流量預(yù)測分析方法。該方法采用時(shí)域和外部參數(shù)構(gòu)成特征矩陣，通過卷積層對輸入特征進(jìn)行卷積計(jì)算，再利用LSTM網(wǎng)絡(luò)模型對交通流特征進(jìn)行預(yù)測。研究結(jié)果表明，在引入外部因素后，LSTM網(wǎng)絡(luò)模型的平均絕對百分比誤差（mean absolute percentage error，MAPE）下降了15.26%，精度（Accuracy）提高了0.09，通過提取外界因素可以使模型達(dá)到更高的預(yù)測精度。（剩余3934字）