TY -的A2 - Tang Jinjun AU -米尔阿卜杜勒贾巴尔,Rusul l . AU - Dia,侯赛因盟——蔡Pei-Wei PY - 2021 DA - 2021/03/26 TI -单向和双向LSTM短期流量预测模型SP - 5589075六世- 2021 AB -本文的开发和评估短期流量预测模型使用单向和双向深度学习长短期记忆(LSTM)神经网络。单向LSTM (Uni-LSTM)模型提供了高性能识别时间序列通过其能力的流量时间序列数据。在这项工作,Uni-LSTM扩展到双向LSTM (BiLSTM)网络训练输入数据通过向前或向后的方向的两倍。提出了两种模型的比较评估短期速度和交通流预测使用常见的野外观察收集了来自多个数据集高速公路在澳大利亚。结果显示BiLSTM变量预测表现更好的视野对速度和流。堆叠和混合Uni-LSTM和BiLSTM模型也是15分钟预测研究的视野导致改善精度在使用层BiLSTM网络。那时优化层BiLSTM模型校准和验证多个预测视野,使用的数据来自三个不同的高速公路。验证结果显示高度的预测精度超过90%加速到60分钟预测的视野。流的模型取得了5 - 10分钟的预测精度高于90%的视野和超过80%的准确率15 - 30分钟预测的视野。这些发现扩展组AI模型用于道路运营商和为他们提供信心应用健壮的模型已经被测试和评估在不同的高速公路在澳大利亚。 SN - 0197-6729 UR - https://doi.org/10.1155/2021/5589075 DO - 10.1155/2021/5589075 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -