首页
文献互助
登录
|
注册
我要投稿
期刊屋
>
航空
基于深度学习的LSTM的交通流量预测
【摘要】 交通流预测是智能交通系统的关键基础技术之一,直接影响到交通控制与诱导系统的实现。针对当前道路交通流预测方法不能充分揭示交通流内部本质规律的问题,提出一种基于深度学习的预测模型,利用长短期记忆网络(LSTM),对交通流量进行了预测。结果显示,提出的预测模型具有较高的准确性,是一种有效的交通流预测方法。
【基于深度学习的LSTM的交通流量预测】相关的文章
航空 最新帖子
1
SpaceWire光纤总线时钟同步方法研究
2
固溶前退火处理对2050铝锂合金冷轧薄板力学性能与组织的影响
3
波瓣喷嘴燃烧室流场水流模拟试验研究
4
基于模糊信息粒化和优化支持向量机的氧化铝陶瓷超声磨削力趋势预测
5
粉末燃料冲压发动机头部组织掺混流动数值模拟
6
SpaceX公司商用塑封器件质量保证措施
7
基于蝙蝠飞行的仿生智能卫星编队管理策略
8
再生冷却氢氧推力室传热计算方法研究与优化
9
波束跃度对星载方位向扫描模式SAR图像质量的影响
10
基于虚拟现实的机器人智能控制系统
热门文章
1
O3对射流火焰燃烧特性影响的数值研究
2
典型轨道环境效应及对在轨卫星影响分析
3
新型运载火箭结构优化设计与试验验证
4
氮化镓毫米波功放技术发展
5
小型油气支承油气弹簧单元控制策略设计
6
基于虚拟现实的机器人智能控制系统
7
Dialog为最新纳安级GreenPAK器件添加多通道输入功能
8
MCU集成中的CANIP缺陷分析与仿真解决
9
北斗差分定位的输电杆塔失稳监测系统设计
10
用于基层防疫的人脸识别温控系统