融合多维时空特征的交通流量预测模型

摘要：

为了精准预测交通流量,充分提取交通流中复杂的线性和非线性特征及其依赖关系,提出了融合多维时空特征的CLABEK模型.其中,由Conv-LSTM、BiLSTM和Dense神经网络分别提取时空特征、周期特征和额外特征(节假日、天气状况以及温度等),并通过将上述模型融合从而全面获取交通流的非线性特征;由卡尔曼滤波提取交通流的线性特征.在公开数据集上的对比实验证明,CLABEK模型在短期交通流预测任务上表现出最好的预测效果.

关键词：交通流量;时空融合;神经网络;卡尔曼滤波

所属期刊栏目：21

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家社会科学基金重点项目;公安部科技强警基础工作专项;CCF-绿盟科技"鲲鹏"科研基金

在线出版日期：2021-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：13439-13446