-
题名不同预测算法在简单交通场景中的应用比较
- 1
-
-
作者
周涛
徐延军
-
机构
上海船舶运输科学研究所
中远海运科技股份有限公司
-
出处
《上海船舶运输科学研究所学报》
2021年第3期36-42,共7页
-
文摘
为探讨不同趋势预测算法在简单交通场景中应用的有效性,以部分高速公路收费站数据集为研究对象,分别采用自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型、长短期记忆(Long Short-Term Memory,LSTM)循环神经网络和Prophet时间序列预测算法建立交通流预测模型。通过对比分析发现,3种预测模型在解决交通流预测问题方面均表现良好,相比之下,LSTM在模型拟合和预测精度方面表现更好,泛化能力更强,且在影响因素设置方面更为灵活。在以后的研究中,可采用LSTM,结合调参方法解决更多交通场景下的交通流预测问题。
-
关键词
自回归积分滑动平均模型
长短期记忆循环神经网络
Prophet时间序列
预测算法
交通流
-
Keywords
arima(autoregressive integral moving average)model
LSTM(Long Short-Term Memory)recurrent neural network
Prophet time series
prediction algorithm
traffic flow
-
分类号
U491.14
[交通运输工程—交通运输规划与管理]
-
