一种基于双向嵌套LSTM神经网络的交通流预测方法

摘要

一种基于双向嵌套LSTM神经网络的交通流预测方法，该方法基于道路交通流相关性矩阵获取预测路段及K个最相关路段的交通流数据，构建道路交通流时空矩阵数据集并进行数据序列化处理；然后构建双向嵌套LSTM神经网络预测模型，定义预测模型损失函数，结合训练集数据，完成模型训练；最后以测试集数据作为训练后模型的输入，实现测试集交通流状态的实时预测并定义模型评价标准，进行误差分析。本发明通过改善LSTM单元时间层级效应和考虑未来、历史交通流状态与现有状态的联系，提高了道路交通流数据的时间特征提取能力，从而提高了道路交通流的预测精度。