融合多因素的短时交通流预测研究

来源：计算机工程与应用杂志2022年第21期北京时间：

作者：王庆荣, 田可可, 朱昌锋, 魏怡萌

单位：1.兰州交通大学 电子与信息工程学院，兰州 730070；2.兰州交通大学 交通运输学院，兰州 730070；

摘要：交通流预测一直是交通领域的研究热点，针对现有交通流预测研究大多为常态下的预测，而未考虑天气、节假日等外部因素的影响，提出了一种融合多因素的短时交通流预测模型。通过长短时记忆网络（long short-term memory，LSTM）捕捉时间序列的长期依赖关系，引入注意力机制，利用注意力机制自适应地选择相应的驱动序列，实现短时交通流的预测。实验分别与传统模型、未引入注意力机制的CLA-ATTN模型及未融合多因素的CLA-MFACTOR模型进行对比分析，结果证明所提出的CLA模型具有较高的预测准确度，是一种较好的预测方法。

关键词：多因素,短时交通流预测,长短时记忆网络（LSTM）,注意力机制