基于LSTM神经网络的降雨天旅行时间预测研究

摘要

降雨给城市道路行程时间的计算和预测带来了许多不确定因素.以出租车GPS数据为研究对象,在考虑降雨数据的基础上,设计一个基于非最小路段的行程时间计算方法,建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证.最后,以北京市中关村西区出租车行驶的10 d的GPS数据进行方法验证.结果表明,加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率.并与应用较为广泛的BP神经网络和SVM进行对比分析,发现在满足数据精度的前提下,本文应用的算法和预测模型有较高的训练速度和预测可靠性.