沈 潇, 李宗花

(淮阴师范学院 计算机科学与技术学院, 江苏 淮安 223300)

0 引言

随着我国经济的快速发展，城市交通基础设施建设却远没有跟上迅速增长的交通需求，呈现常规公共交通萎缩、出租车和私人小汽车迅速增加、轨道交通管理技术水平有待提高等现象. 由此引发交通拥挤、环境污染、以及能源问题等. 随着大数据技术的发展，通过对交通数据的分析和统计进一步促进智能交通系统的发展成为可能. 智能交通系统中，实时交通流预测尤其重要. 对出行者来说，可以提前规划路线，避免拥堵道路；对于城市交通管理者来说，可调控交通流均匀分布，保持平稳的运行状态，减少某一主干道路的交通拥堵状况，提高城市交通的运输效益；还可以借助大数据和人工智能技术，自动调节干线交通的信号灯协调控制，减少车辆在交叉路口的停留时间和次数，从而减少环境的污染. 可见，实时交通流的预测可以为交通管理、控制和优化提供科学指导.

在大数据平台环境下，基于深度学习的交通流预测是当下智能交通领域研究的热点[1]. 学者们聚焦于交通流时间序列、交通流潜在趋势等方面进行交通流预测模型的研究. 对于交通流时间序列研究方面，陈小波等[2]考虑路网所有路段之间的时空相关性,提出了一种基于稀疏混合遗传算法，构建了最小二乘支持向量回归(LSSVR)模型,该预测模型可减少高维数据的冗余. 王祥雪等[3]构建了基于长……