中国交通信息化2024，Issue(7) ：102-105,112.DOI:10.13439/j.cnki.itsc.2024.07.013

基于深度学习的大流量高速公路交通预测方法研究

李嘉 周正 文婧 麦立 陈沭锟
中国交通信息化2024，Issue(7) ：102-105,112.DOI:10.13439/j.cnki.itsc.2024.07.013
✕
  • NETL
  • NSTL
  • 万方数据

基于深度学习的大流量高速公路交通预测方法研究

李嘉 1周正 1文婧 1麦立 1陈沭锟1
扫码查看

作者信息

  • 1. 四川云控交通科技有限责任公司,四川成都 610041
  • 折叠

摘要

为更高效、精准地预测高速公路大流量路段的交通状况,本文提出了一种结合残差网络(ResNet)、图卷积网络(GCN)和长短期记忆(LSTM)等深度学习技术的短期交通预测算法模型(名为"Res-LSTM"模型),以高速公路ETC门架系统数据为研究基础,以交通流密度作为统计指标,有效验证后表明,相较于其他传统时间序列统计、机器学习算法,本文提出的方法更加准确和稳定,可作为智慧高速应用、公众服务系统算法接口.

关键词

深度学习/高速公路ETC门架系统/交通流密度/交通预测算法

引用本文复制引用

出版年

2024
中国交通信息化
中国公路学会

中国交通信息化

影响因子：0.319
ISSN：1672-3333
段落导航相关论文