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】在车路协同（Ｖ２Ｘ）环境下，本研究围绕多源交通数据的高效融合与深度预测建模展开系统研究。 首先，提出了一种多尺度时空注意力机制特征提取方法，并利用改进的多源特征构建策略实现输入向量表示。 然后，设计基于长短期记忆（ＬＳＴＭ）网络的预测模型，实现对动态时序数据的精准建模与趋势预测。 最后，基于下一代仿真（ＮＧＳＩＭ）真实交通流数据集构建实验系统，设计对比实验验证模型性能。 实验结果表明，本文方法在决定系数（Ｒ２）指标上取得了与理论预期一致的效果，验证了本文方法在模型收敛性和预测稳定性方面的有效性。
