基于
CNN
和
LSTM
的交通流预测
焦廉溪
【期刊名称】
《通讯世界》
【年
(
卷
),
期】
2018(000)010
【摘要】
随着计算机的发展与进步和处理数据能力的提升
,
深度学习在医学、建
筑学、金融预测等方面已取得一定成果和广泛的应用
,
在交通流处理方面也取得
了初步的成效
.
在过去交通流预测通过一些原始数据统计和原始特征的人工提取
,
再经过统计学处理
,
才可得到结果
.
这样处理数据需要大量的人力物力
,
无法进行
端对端的学习
,
不具有时效性
.
故实现端对端的
,
具有时效性的学习实现在研究必
不可少的一个问题
.
而基于
CNN
和
LSTM
的交通流预测可以在视频等信息获取
之后经过处理直接得到想要的数据结果
,
可更为精确的预测下一时段的交通流
.
预
测交通流首先要对数据进行预处理
,
将数据归一
,
取平均并且标准化处理
.
然后设
计
CNN
网络
,CNN
网络适合于处理图像
,
提取图像特征得到数据的提取
.
再利用
LSTM
进行具有时序的学习和分析
,
完成对整个视频数据的处理
.
经过以上步骤
,
设计并且实现对交通流的预测
.
【总页数】
2
页
(265-266)
【关键词】
LSTM;CNN;
交通流
【作者】
焦廉溪
【作者单位】
洛阳市第二中学
【正文语种】
中文
【中图分类】
TP18
【相关文献】