基于前后文关联的长短期记忆网络模型Contextual LSTM的交通流数据预测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：为改善交通拥堵情况，提升交通网络效率，提出了基于前后文关联的长短期记忆网络模型Contextual LSTM。首先，针对长短期记忆网络模型面对突发情况识别不及时的问题，将输入和隐藏状态建立关联关系，提升前后时刻数据的关联，从而提升模型应对突发情况的能力。此外，采用英国的交通数据集对模型进行训练与测试，并与传统LSTM模型、GRU模型进行预测效果对比实验。验证结果表明，改进后的长短期记忆网络模型在交通流数据的预测上更具优势。

作者：

吴澍

展开 >

作者单位：

海南师范大学数学与统计学院

关键词：

长短期记忆网络交通流预测前后文关联

出版年：

2024

信息系统工程

天津市信息中心

信息系统工程

影响因子：0.29

ISSN：1001-2362

年,卷(期)：2024.(4)

参考文献量5