基于深度学习的城市道路交通状态评估
杨连坤
同济大学 上海 200092
摘要：随着人民生活水平的提高和社会经济的快速发展,越来越多城市正在面临道路交通拥堵问题,交通拥堵影响着居民的幸福指数并制约了城市的进一步发展.交通速度与交通状态的关系紧密,当发生交通拥堵时,最直观的体现就是速度的变化,因此可以通过交通速度的预测评估未来交通状态的变化,疏导交通改善拥堵问题.本文提出基于深度学习的交通状态评估方法,通过卷积长短期记忆网络对时空信息及交通模式相似信息进行特征捕捉用于交通速度预测,之后根据预测速度与路段自由流速度的关系计算交通指数并评估未来交通状态变化.实验验证了预测模型在速度预测与交通状态估计上的有效性.
关键词：交通状态指数速度预测卷积长短期记忆网络交通模式相似性分析
资助基金：上海工业控制系统安全创新功能型平台开放课题项目(TICPSH202003010-ZC)
论文发表日期：2021-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 21-24 )