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】城市交通流量预测是智能交通系统中的核心任务之一。 本研究提出了一种基于长短期记忆（ＬＳＴＭ）网络和贝叶斯优化的城市交通流时空预测方法。 在分析交通流的时空特性的基础上，结合 ＬＳＴＭ 模型的优势设计了一个能够同时捕捉交通流的时间依赖性和空间依赖性的预测模型。 同时，采用了贝叶斯优化方法对 ＬＳＴＭ 模型进行调优。 实验采用了性能测量系统（ＰｅＭＳ）数据集对传统 ＬＳＴＭ 与本方法的预测效果进行比较，结果验证了贝叶斯优化（ＢＯ）在提升 ＬＳＴＭ 模型预测性能方面的有效性。
