许宏科，刘佳，刘栩涛，曹嘉晨，赵威

摘要：针对城市交通流序列具有时空相关性难以预测的问题,构建了主成分分析(PCA)和长短期记忆LSTM(Long Short-Term Memory)网络相结合的短时交通流预测模型。以合肥市示范区交通流数据为基础,采用PCA提取与预测站点具有空间相关性的站点,将提取的站点交通流序列作为输入,利用LSTM神经网络实现城市短时交通流量的预测。结果表明:与经典的交通流预测算法相比,该方法预测效果具有良好的表现,对研究城市智能交通有一定的参考价值。

关键词：城市交通;交通流预测;LSTM;PCA;

DOI：10.13607/j.cnki.gljt.2021.02.019

发表时间：2021-4-15