摘要
道路交通流量预测对道路规划、建设、运营具有重要意义,但受交通系统复杂性、混沌性影响其预测精准度不高,提高道路交通流量预测精度是业界研究重点。基于长短期记忆网络模型(LSTM-Model)提出了一种多因素耦合的中期道路交通流量预测方法,提取外部常规因素、非常规因素特征并利用独热编码将离散影响特征数字化,验证了收费道路车流时间序列复杂变化与多因素耦合性,并以广州市广和大桥为例进行分析。实验结果表明,多因素耦合改进的LSTM预测模型,能够适应于实际运行道路复杂条件,有效减小中期交通流预测误差,提高预测准确率。
出处
《运输经理世界》
2022年第33期68-70,共3页
Transport Business China
