文献类型：期刊文章

作　　者：邓烜堃[1,2] 万良[1,2] 丁红卫[1,2] 辛壮[1,2]

DENG Xuankun;WAN Liang;DING Hongwei;XIN Zhuang(College of Computer Science&Technology,Guizhou University,Guiyang 550025,China;Institute of Computer Software and Theory,Guizhou University,Guiyang 550025,China)

机构地区：[1]贵州大学计算机科学与技术学院,贵阳550025 [2]贵州大学计算机软件与理论研究所,贵阳550025

出　　处：《计算机工程与应用》

基　　金：贵州省科学基金(黔科合J字[2011]2328号;黔科合LH字[2014]7634号)

年　　份：2019

卷　　号：55

期　　号：2

起止页码：228-235

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：交通流量序列具有不平稳性、周期性、易受节假日等因素影响的特点,因此交通流量预测是一项困难的任务。针对交通流量序列的预测问题,设计了一种基于深度学习的交通流量预测模型。模型融合了卷积神经网络和长短时记忆神经网络两种网络结构,卷积神经网络用于提取特征分量,长短时记忆神经网络综合提取出来的特征分量做序列预测。通过在贵州省高速公路车流量数据集上的验证,模型比传统的预测方法具有更高的精确度和实时性,在不同数据集上的泛化性能良好。

关 键 词：交通流量预测 时间序列分析 卷积神经网络 长短时记忆神经网络  特征提取

分 类 号：TP183]