基于智慧交通空间模型数据预测研究
邵洪清
高剑峰
杜宇
摘要：智慧交通监测系统能够实时监测路网运行状态,并及时响应突发道路事件,但在交通流量预测方面存在局限性.为此,本研究采用蝙蝠算法(BA)优化长短期记忆网络(LSTM)的超参数,构建基于改进LSTM的交通流量预测模型.试验结果表明,改进模型的平均绝对误差(MAE)为22.54,均方根误差(RMSE)为35.16,均优于传统LSTM模型.该模型的应用可提升交通流量预测精度,为智慧交通系统的决策支持提供技术依据.
关键词：智慧交通数据预测交通流量长短期记忆网络
分类号：U293.13(铁路运输管理工程)
论文发表日期：2025-03-25
页数：3( 34-36 )
英文信息