Abstract：
为更准确预测城市路网交通流状态,通过测算各路段重要度及最短距离路径长度表征路段的空间特征属性,提出了基于密度峰值聚类算法识别交通流时空相关性较强的关联路链集合.以同一路链内所有路段时空二维矩阵作为模型输入,构建基于路链组划分的长短时记忆神经网络(RCGD-LSTMNN)的交通流预测模型.以北京市路网为例,将四环路内骨干路网分为8个关联路链组,模型精度可达95％以上,且皆优于传统的LSTM和BP模型的预测结果,表明本文模型有良好适用性和精度稳定性,适用于不同时空模式的路链组交通状态预测.
Keyword：
Reprint Author's Address：
Email：
Source ：
吉林大学学报（工学版）
ISSN： 1671-5497
Year： 2023
Issue： 11
Volume： 53
Page： 3104-3112
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
