基于深度学习的大流量高速公路交通预测方法研究  

作　　者：李嘉 周正 文婧 麦立 陈沭锟 

机构地区：[1]四川云控交通科技有限责任公司,四川成都610041

出　　处：《中国交通信息化》2024年第7期102-105,112,共5页China ITS Journal

摘　　要：为更高效、精准地预测高速公路大流量路段的交通状况,本文提出了一种结合残差网络(ResNet)、图卷积网络(GCN)和长短期记忆(LSTM)等深度学习技术的短期交通预测算法模型(名为“Res-LSTM”模型),以高速公路ETC门架系统数据为研究基础,以交通流密度作为统计指标,有效验证后表明,相较于其他传统时间序列统计、机器学习算法,本文提出的方法更加准确和稳定,可作为智慧高速应用、公众服务系统算法接口。

关 键 词：深度学习 高速公路ETC门架系统 交通流密度 交通预测算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] U491.14[自动化与计算机技术—控制科学与工程]