面向5G车联网的短时交通流预测方法与应用  

作　　者：樊莉桃 

机构地区：[1]广西交通职业技术学院

出　　处：《中国宽带》2023年第11期52-54,共3页China BroadBand

基　　金：广西高校中青年教师科研基础能力提升项目《基于CEEMD-GA-LSSVM的短时交通流量预测模型研究—以南宁市某路段为例》(项目编号:2023KY1148)。

摘　　要：本文深入研究了面向5G车联网的短时交通流预测方法及其应用,旨在通过融合5G技术的高速率、低时延特性与车联网的广泛互联能力,提升交通流预测的准确性和实时性。本文首先分析了面向5G车联网的短时交通流预测的价值,随后提出了基于非参数回归的KNN改进方法和KNN与长短期记忆网络(LSTM)结合的预测模型。通过实际交通流数据的验证,本文设计的预测模型在预测精度和效率上均表现出色,为智能交通控制系统的优化提供了有力支持。本文设计了预测模型在5G车联网环境下的应用方案,涵盖了信息采集、交通流预测和信息发布等关键环节,为城市交通管理提供了创新思路。

关 键 词：5G车联网 短时交通流预测 KNN算法 LSTM网络 智能交通控制系统 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]