基于改进CNN-LSTM的高速公路交通流量预测研究
来源：计算机应用与软件杂志2025年第6期北京时间：
作者：何仲祥, 吴明礼
摘要：围绕交通流量时空特征复杂多样、鲁棒性、自适应性不足等问题，提出一种基于改进卷积神经网络和长短时记忆神经网络的高速公路交通流预测模型，聚焦解决时间序列相关性和空间网络相关性，通过其相关特征的提取，并在模型训练过程中，开展抗扰动的相关因素分析，引入误差弥补机制，从而提升流量预测性能。实验结果表明，该模型能够有效地开展高速公路网络交通流量预测，具有较好的准确性和鲁棒性，对智能交通系统的建设具有重要的意义。
关键词：卷积神经网络, 长短期记忆网络, 交通流量预测, 智能交通
