基于CNN-LSTM-PSO的交通流量预测

摘要

伴随着经济的发展,城市内交通流量迅速增长,从而导致城市内交通道路拥堵问题日益严峻.为了缓解道路拥堵压力,该文提出了一种基于CNN-LSTM-PSO的深度学习短期交通流预测框架,该框架结合CNN(Convolutional Neural Network,卷积神经网络)和LSTM(Long Short Term Memory Networks,长短期记忆网络),并以PSO(Particle Swarm Optimization,粒子群)算法进行混合网络结构的超参数优化.最后通过对实际交通流数据集的实验验证该方法的有效性.