作者：张盛涛; 方纪村智能交通lstm旅行时间预测深度学习
摘要：旅行时间预测是城市智能交通系统的重要指标。采用深度学习中的长短期记忆神经网络(Long Short-Term Memory,LSTM)方法预测道路旅行时间,通过调节LSTM隐藏层单元数和训练次数得到最优的时间相关的LSTM模型;而后将改进时间型LSTM模型和传统BP(Back Propagation)神经网络模型、支持向量机模型、k NN模型以及时间序列ARIMA模型进行对比分析。实验结果表明,改进的T-LSTM模型训练效率和预测精度均优于其他四种模型。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
