作者：张威威; 李瑞敏; 谢中教交通工程lstm旅行时间预测空间相关性深度学习
摘要：城市道路旅行时间预测是城市智能交通系统的重要支撑。选择深度学习中的四种长短期记忆神经踊络（LongShort-TermMemory，LSTM）架构进行道路旅行时闻姆预溅，固定LSTM隐藏层的节点数以确定模型的最佳输入长度：固定模型的输入长度．分别测试在不同的隐藏层节点数和考虑空间相关性的条件下四种LSTM模型的预铡性能：将空间LSTM模型与传统BPfBackPropagation）神经网络等四种模型进行了对比和分析。结果表明相对于其他四种模型，考虑空间相关性的LSTM模型具有更好的拟合和训练能力。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
