基于KNN-LSTM短時交通車流量預測方法的研究

打開文本圖片集

摘  要：針對當前現(xiàn)有預測模型在智能交通短時車流量預測過程中無法有效預測交通流序列規(guī)律、不能在車流量預測時充分利用交通流的時空相關性，以及循環(huán)神經(jīng)網(wǎng)絡存在梯度消失和爆炸的問題，提出了一種基于KNN（K-最近鄰）和LSTM（長短時記憶）相結合的短時交通車流量預測方法。實驗研究表明，該模型能夠更好且有效地提取到交通流序列的時空特性，以及解決循環(huán)神經(jīng)網(wǎng)絡在短時交通流預測過程中存在的相關問題。（剩余7945字）