基于LSTM的城市交通流时空预测模型与优化

摘要

城市交通流量预测是智能交通系统中的核心任务之一。本研究提出了一种基于长短期记忆(LSTM)网络和贝叶斯优化的城市交通流时空预测方法。在分析交通流的时空特性的基础上，结合LSTM模型的优势设计了一个能够同时捕捉交通流的时间依赖性和空间依赖性的预测模型。同时，采用了贝叶斯优化方法对LSTM模型进行调优。实验采用了性能测量系统(PeMS)数据集对传统LSTM与本方法的预测效果进行比较，结果验证了贝叶斯优化(BO)在提升LSTM模型预测性能方面的有效性。

关键词

交通流预测 / 时空融合特征 / 长短期记忆(LSTM) / 贝叶斯优化(BO)