Resumen

El flujo de tráfico a corto plazo tiene características de complejidad, variabilidad, fuerte actualidad, entre otros. Por lo tanto, el algoritmo de predicción tradicional es difícil de cumplir con sus altos requisitos de tiempo real y precisión. En este artículo se propone un algoritmo de predicción de flujo de tráfico a corto plazo LSTM-GASVR multiscale y de alta precisión. Este método utiliza datos de flujo de tráfico de 15 minutos de las primeras 16 secciones como entrada y completa la operación de preprocesamiento de datos a través de la reconstrucción, normalización y aumento de la dimensión mediante el factor de día laborable; estableciendo el modelo de predicción basado en la red de memoria a largo y corto plazo (LSTM) y normalización inversa; y proponiendo el modelo GA-SVR para optimizar los resultados de predicción, con el fin de realizar la predicción de flujo de tráfico en tiempo real de alta precisión. El experimento de predicción se lleva a cabo según los datos de carga de una estación de

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Flujo de tráfico; Algoritmo de predicción; LSTM-GASVR; Tiempo real; Precisión; Alta precisión
• Keywords:Traffic flow; Prediction algorithm; LSTM-GASVR; Real-time; Accuracy; High-precision