典型文献
融合多因素的短时交通流预测研究
文献摘要：
交通流预测一直是交通领域的研究热点,针对现有交通流预测研究大多为常态下的预测,而未考虑天气、节假日等外部因素的影响,提出了一种融合多因素的短时交通流预测模型.通过长短时记忆网络(long short-term memory,LSTM)捕捉时间序列的长期依赖关系,引入注意力机制,利用注意力机制自适应地选择相应的驱动序列,实现短时交通流的预测.实验分别与传统模型、未引入注意力机制的CLA-ATTN模型及未融合多因素的CLA-MFACTOR模型进行对比分析,结果证明所提出的CLA模型具有较高的预测准确度,是一种较好的预测方法.
文献关键词：
多因素;短时交通流预测;长短时记忆网络(LSTM);注意力机制
中图分类号：
作者姓名：
王庆荣;田可可;朱昌锋;魏怡萌
作者机构：
兰州交通大学 电子与信息工程学院,兰州 730070;兰州交通大学 交通运输学院,兰州 730070
文献出处：
引用格式：
[1]王庆荣;田可可;朱昌锋;魏怡萌-.融合多因素的短时交通流预测研究)[J].计算机工程与应用,2022(21):309-316
A类：
ATTN,MFACTOR
B类：
短时交通流预测,预测研究,交通领域,节假日,外部因素,长短时记忆网络,long,short,term,memory,依赖关系,注意力机制,传统模型,CLA,预测准确度
AB值：
0.183622
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。
