文献类型：期刊文献

中文题名：基于大数据的城市短时交通流预测方法研究

作者：黄政

第一作者：黄政

机构：[1]贵州理工学院交通工程学院,贵州贵阳550003

第一机构：贵州理工学院交通工程学院

年份：2021

期号：32

起止页码：65-67

中文期刊名：科技风

基金：贵州省科技厅联合基金项目(黔科合LH字[2016]7103);贵州省高校教改项目(编号:2019095);贵州理工学院教改项目(编号:JGZD201903)。

语种：中文

中文关键词：交通流预测;交通大数据;深度学习;门控循环单元神经网络

摘要：短时交通流预测是城市智能交通系统的重要组成部分,随着交通大数据和智能科学的快速发展,深度学习在交通领域得到了广泛的应用。本文以门控循环单元神经网络GRU短时交通流预测模型为研究对象,采用加州交通局绩效评估系统的交通流数据为例,将道路观测点的交通流序列作为输入,利用GRU实现城市短时交通流量的预测,并与SVR、ARIMA等模型进行对比,结果表明,该预测模型具有良好的预测性能,可为城市区域短时交通流量变化监测提供依据。