• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on green intelligent transportation systems >A Short-Term Traffic Flow Prediction Method Based on Long Short-Term Memory Network
【24h】

A Short-Term Traffic Flow Prediction Method Based on Long Short-Term Memory Network

机译：基于长短期记忆网络的短期交通流量预测方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In order to achieve the higher accuracy of the short-term traffic flow prediction, this paper proposed a prediction method based on the Long Short-Term Memory Network (LSTM) model. First, the original traffic flow data is processed by difference and scaling, so the trend is removed. And then the LSTM model is proposed to learn internal characteristic of the traffic flow and make the forecast. Comparing LSTM method with the traditional prediction model (back propagation neural network, BPNN), the experiment result shows that the proposed traffic flow prediction method has the better learnability for the short-term traffic flow and achieves higher accuracy for the prediction.
机译：为了提高短期交通流量预测的准确性，提出了一种基于长短期记忆网络（LSTM）模型的预测方法。首先，原始交通流数据通过差异和缩放进行处理，因此趋势将被消除。然后提出了LSTM模型，以了解交通流的内部特征并进行预测。将LSTM方法与传统的预测模型（反向传播神经网络，BPNN）进行比较，实验结果表明，所提出的交通流量预测方法对短期交通流量具有更好的学习能力，并具有较高的预测精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号