文献类型：期刊文章

作　　者：刘菲[1] 郝风杰[2] 郝敬全[1] 周永利[1] 辛国茂[1]

LIU Fei;HAO Fengjie;HAO Jingquan;ZHOU Yongli;XIN Guomao(Telchina Intelligence Industry Group Corporation, Jinan Shandong 250101, China;Unit 72671, PLA, Jinan Shandong 250016, China)

机构地区：[1]泰华智慧产业集团股份有限公司,济南250101 [2]中国人民解放军72671部队,济南250016

出　　处：《计算机应用》

基　　金：山东省重点研发计划项目(2017G006045)

年　　份：2019

卷　　号：39

期　　号：A01

起止页码：65-69

语　　种：中文

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

摘　　要：针对道路停车泊位数预测准确性不高、预测误差较大的问题,提出一种基于循环神经网络LSTM模型的停车泊位预测算法,研究从历史停车数据中挖掘知识并预测不同时段内的停车泊位数。首先,建立一种优化的基于LSTM和双向LSTM网络的LSTM模型,通过双向LSTM网络对上一层的LSTM网络预测后的时间序列再进一步进行学习训练,以有效克服预测误差大的缺点;其次,结合正向LSTM和逆向LSTM具有的捕获数据时序性和长程依赖性的优势,进一步提高预测结果的精确度。利用不同实测道路停车场的数据对所提算法的有效性进行验证,结果表明,在同等条件下,所提算法的准确度和效率均优于LSTM模型算法,预测精度和训练速度均有较大提高。

关 键 词：长短期记忆  神经网络 深度学习  停车预测  时间序列

分 类 号：TP391]