信息系统工程2024，Issue(4) ：124-127.

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

吴澍
信息系统工程2024，Issue(4) ：124-127.
✕
  • NETL
  • NSTL
  • 万方数据

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

吴澍1
扫码查看

作者信息

  • 1. 海南师范大学数学与统计学院
  • 折叠

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.

关键词

长短期记忆网络/交通流预测/前后文关联

引用本文复制引用

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
参考文献量5
段落导航相关论文