基于KNN-LSTM短時(shí)交通車(chē)流量預(yù)測(cè)方法的研究

打開(kāi)文本圖片集

摘  要：針對(duì)當(dāng)前現(xiàn)有預(yù)測(cè)模型在智能交通短時(shí)車(chē)流量預(yù)測(cè)過(guò)程中無(wú)法有效預(yù)測(cè)交通流序列規(guī)律、不能在車(chē)流量預(yù)測(cè)時(shí)充分利用交通流的時(shí)空相關(guān)性，以及循環(huán)神經(jīng)網(wǎng)絡(luò)存在梯度消失和爆炸的問(wèn)題，提出了一種基于KNN（K-最近鄰）和LSTM（長(zhǎng)短時(shí)記憶）相結(jié)合的短時(shí)交通車(chē)流量預(yù)測(cè)方法。實(shí)驗(yàn)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(shí)空特性，以及解決循環(huán)神經(jīng)網(wǎng)絡(luò)在短時(shí)交通流預(yù)測(cè)過(guò)程中存在的相關(guān)問(wèn)題。（剩余7945字）