基于深度学习的大流量高速公路交通预测方法研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：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.

作者：

李嘉、周正、文婧、麦立、陈沭锟

展开 >

作者单位：

四川云控交通科技有限责任公司,四川成都 610041

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

出版年：

2024

DOI：

10.13439/j.cnki.itsc.2024.07.013

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

年,卷(期)：2024.(7)