基于深度学习算法的道路旅行时间预测

摘要

旅行时间预测是城市智能交通系统的重要指标.采用深度学习中的长短期记忆神经网络(Long Short-Term Memory,LSTM)方法预测道路旅行时间,通过调节LSTM隐藏层单元数和训练次数得到最优的时间相关的LSTM模型;而后将改进时间型LSTM模型和传统BP(Back Propagation)神经网络模型、支持向量机模型、kNN模型以及时间序列ARIMA模型进行对比分析.实验结果表明,改进的T-LSTM模型训练效率和预测精度均优于其他四种模型.