ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】交通流预测是智能交通系统的重要组成部分，准确的交通流预测能够为出行路线提供有效的决策支持，从而缓解道路拥堵。 交通流受到多种因素的影响，本文提出了一种基于多源数据相关性的交通流预测模型。 该模型引入了历史交通流、车道占有率等因素，并采用斯皮尔曼相关性分析方法，对各因素与交通流的相关性进行量化分析，同时挖掘数据内部的时间相关性。 基于此，利用长短期记忆（ＬＳＴＭ）网络进一步捕捉交通流的时间依赖关系。 实验结果表明：本文提出的基于斯皮尔曼相关性分析和 ＬＳＴＭ 的交通流预测模型具有较高的预测能力，能够为出行决策和缓解拥堵提供有效支持。
