本发明公开了一种基于CNN‑LSTM‑At神经网络的短时交通流量预测方法,以某个地区的出租车数据作为交通流量的代表,先对该地区进行网格化划分,再以一段时间间隔内的交通流量定义为在这个时间间隔内到达和/或离开该方格的出租车订单次数,通过矩阵的方式表示出租车订单,使用滑动窗口的方式提取邻近的矩阵构成数据集,通过...
基于CNN-LSTM-PSO的交通流量预测 ① 佘占峰* (南京邮电大学计算机学院 江苏南京 210000)摘 要:伴随着经济的发展,城市内交通流量迅速增长,从而导致城市内交通道路拥堵问题日益严峻。为了缓解道路拥堵压力,该文提出了一种基于CNN-LSTM-PSO的深度学习短期交通流预测框架,该框架结合CNN (Convolutional Neural ...
2019-243基于 CNN-ResNet-LSTM 模型的城市短时交通流量预测算法蒲悦逸 1 , 王文涵 1 , 朱强 1 , 陈朋朋 1,2(1. 中国矿业大学 计算机科学与技术学院, 徐州 221116;2. 中国矿业大学 矿山数字化教育部工程研究中心, 徐州 221116)摘要: 针对交通流量特性和外部因素对交通流量预测结果的影响,提出了一种对城市...
在此背景下,本文针对交通时空数据特点,提出了一种预测交通流量的方法,是基于深度学习来预测。首先,全面总结现有的交通流量预测方法并进行比较;其次,对交通流预测中涉及到的基本定义、参数进行详细阐述;再次,详细介绍了机器学习和深度学习理论,为后续建立模型奠定理论基础;然后,采用深度学习中的CNN、LSTM作为基本网络结构,...