基于PSO-LSTM的短时交通流量预测网站设计

作     者：王宁 成利敏 甄景涛 段晓霞 Wang Ning;Cheng Limin;Zhen Jingtao;Duan Xiaoxia

作者机构：廊坊师范学院河北廊坊065000 

基　　金：2020年廊坊市科学技术研究与发展计划(第一批)自筹经费项目“基于神经网络模型的廊坊市主干道交通流量预测网站设计”(2020011009) 

出 版 物：《廊坊师范学院学报（自然科学版）》 (Journal of Langfang Normal University(Natural Science Edition))

年 卷 期：2024年第24卷第1期

页      码：29-32页

摘      要：短时交通流量预测是智能交通系统中的重要环节,选用在短时交通流量预测方面表现出色的LSTM神经网络,并利用PSO算法优化LSTM神经网络模型。实验结果表明,与传统LSTM模型相比,所构建的PSO-LSTM模型对未来5分钟和10分钟两种短时交通流量预测,达到了更高的准确率。在此基础上,设计了一个交通流量预测网站更好地展示了预测结果,也方便用户随时查询。

主 题 词：智能交通系统 短时交通流量预测 LSTM神经网络 PSO算法 交通流量预测网站 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1674-3229.2024.01.006

馆 藏 号：203127202...