原创 短时车流量预测优化方法

交通流量预测在智能交通发展中起着重要作用。

准确，实时的交通流量预测可用于分析道路规划，减少交通伤亡并提供合理的出行建议。为了及时，有效地为有关部门控制和大部分居民出行提供参考，可以缓解不同时刻的交通压力，最大程度地利用道路资源。

到目前为止，大量方法已应用于短期交通流量预测。短期交通流量的预测分为参数模型和非参数模型。参数模型包括自回归移动均值模型和卡尔曼滤波器等。非参数模型包括KNN，SVR，人工神经网络等。由于短时车辆流量的变化表现出一定的非线性特征，并且非线性随着时间的变化，该模型非常灵活，为了更好地拟合更复杂的数据。

为了提高短期交通预测的准确性，本文考虑了天气，假期等多种因素，最常用的是一种多因素分类处理方法，然后通过LongShort-Term Memory神经网络训练对交通数据进行预测。