本文主要研究内容
作者阎嘉琳,向隆刚,吴华意,孙尚宇（2019）在《基于LSTM的城市道路交通速度预测》一文中研究指出：交通预测对于交通智能管控具有重要的作用,实时准确的交通速度预测是相关研究领域中亟待解决的问题。传统预测方法难以应对日益复杂的交通数据,深度学习作为一种以数据为导向的新技术,在交通预测领域得到了广泛应用。综合利用城市道路交通的时空关联特征,搭建基于长短期记忆(LSTM)的城市道路交通速度预测模型,模型在时间特征上考虑了近历史时刻和远历史时刻的速度信息,以及待预测时刻的时刻值;在空间特征上集成了目标路段的上下游路段速度信息。基于武汉市出租车GPS数据和高德开放交通数据,开展数据处理与路段速度预测实验,分析预测模型参数与特征对预测结果的影响,并通过与传统方法的对比验证模型的有效性。
Abstract
jiao tong yu ce dui yu jiao tong zhi neng guan kong ju you chong yao de zuo yong ,shi shi zhun que de jiao tong su du yu ce shi xiang guan yan jiu ling yu zhong ji dai jie jue de wen ti 。chuan tong yu ce fang fa nan yi ying dui ri yi fu za de jiao tong shu ju ,shen du xue xi zuo wei yi chong yi shu ju wei dao xiang de xin ji shu ,zai jiao tong yu ce ling yu de dao le an fan ying yong 。zeng ge li yong cheng shi dao lu jiao tong de shi kong guan lian te zheng ,da jian ji yu chang duan ji ji yi (LSTM)de cheng shi dao lu jiao tong su du yu ce mo xing ,mo xing zai shi jian te zheng shang kao lv le jin li shi shi ke he yuan li shi shi ke de su du xin xi ,yi ji dai yu ce shi ke de shi ke zhi ;zai kong jian te zheng shang ji cheng le mu biao lu duan de shang xia you lu duan su du xin xi 。ji yu wu han shi chu zu che GPSshu ju he gao de kai fang jiao tong shu ju ,kai zhan shu ju chu li yu lu duan su du yu ce shi yan ,fen xi yu ce mo xing can shu yu te zheng dui yu ce jie guo de ying xiang ,bing tong guo yu chuan tong fang fa de dui bi yan zheng mo xing de you xiao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自地理信息世界的阎嘉琳,向隆刚,吴华意,孙尚宇，发表于刊物地理信息世界2019年05期论文，是一篇关于长短期记忆论文,深度学习论文,交通预测论文,轨迹数据论文,时空分析论文,地理信息世界2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自地理信息世界2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：长短期记忆论文; 深度学习论文; 交通预测论文; 轨迹数据论文; 时空分析论文; 地理信息世界2019年05期论文;