典型文献
基于深度学习的高速公路交通速度预测模型研究
文献摘要：
准确地预测高速公路交通速度,能够为高速公路的应急管理和拥堵疏导提供重要的数据基础,对高速公路的控制和诱导具有重要意义.本文利用深度学习框架构建了BiLSTM预测模型,首先,对ETC系统交易数据进行数据预处理和特征构建,得到交通速度特征矩阵;然后,利用Bi-LSTM来捕捉高速公路交通流的时间特征,将交通速度特征矩阵输入至BiLSTM预测模型中进行训练与学习;最后,通过使用福建省福厦高速公路ETC门架系统数据进行验证.结果表明,相较于HA、ARIMA和LSTM等模型,该模型拥有更好地预测精度,可为智能高速公路管理系统提供决策、分析与调度提供参考依据.
文献关键词：
高速公路;深度学习;交通流预测;ETC数据
中图分类号：
作者姓名：
黄来荣;谷庆;林凤榕;赖树坤;朱慧先;林洁;田俊山
作者机构：
福建省高速公路信息科技有限公司,福建福州350000;福建省电子与电驱动重点实验室,福建工程学院,福建福州350000
文献出处：
引用格式：
[1]黄来荣;谷庆;林凤榕;赖树坤;朱慧先;林洁;田俊山-.基于深度学习的高速公路交通速度预测模型研究)[J].中国交通信息化,2022(09):129-132,142
A类：
B类：
高速公路交通,交通速度预测,测高,拥堵,疏导,数据基础,深度学习框架,框架构建,BiLSTM,ETC,交易数据,数据预处理,特征构建,速度特征,特征矩阵,时间特征,福厦,门架,系统数据,HA,ARIMA,智能高速公路,高速公路管理,交通流预测
AB值：
0.376209
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
