基于LSTM引入客车占比特征的短时交通流预测

近年来,交通数据呈爆炸式增长,准确、及时的交通流预测信息对于智能交通系统至关重要。基于LSTM神经网络提出了一种考虑客车占比特征的短时交通流预测方法;提取车流数据中的客车占比特征并利用快速傅里叶算法(FFT)绘制其功率频谱图,验证了高速公路客车占比特征的周期性特点;针对该特点,提出了基于LSTM引入客车占比特征的短时交通流预测模型,并以广州北环高速某收费站为例进行分析。结果表明:引入客车占比特征的LSTM预测模型,有效降低了短时交通流预测的误差,提高了预测的正确率。