论文部分内容阅读
准确的预测城市道路未来车速情况能够帮助解决城市交通拥堵问题.道路的车速受到许多因素的影响,例如天气、节假日、区域位置等等.为了准确预测道路的未来车速,本文提出一种基于深度学习和时空特性的方法来预测道路的车速.首先设计了一个端到端的神经网络结构,采用长短期记忆网络(LSTM)网络来处理具有时空特性的道路车速信息,然后结合神经网络中的全连接层来融合对车速产生影响的多种因素,最后采用成都市某条道路的实际数据来进行了实验.实验结果表明,本文提出的车速预测方法其预测精度优于目前常用的4种方法.