黄紫竹

摘要 为了解决高速公路道路拥塞问题，建立相应的高速交通流预测模型是较好的解决途径。文章综合分析当前常见的交通流预测模型特点，提出了一种CNN-LSTM神经网络预测模型，该模型能够有效结合CNN神经网络和LSTM长短时神经网络的优点。通过采用该模型对西宝高速交通流进行预测后发现CNN-LSTM模型具有准确的预测性能，其可为高速公路交通管理运营提供数据支持，提高对突发事件的适应性。

关键词 高速公路;交通流;预测模型;CNN神经网络;LSTM

中图分类号 U491.112 文献标识码 A 文章编号 2096-8949（2022）10-0013-03

0 引言

近年来随着我国经济的快速发展，人们对于交通运输行业的发展也提出了更高的要求。当前我国高速公路的交通量与日俱增，常常出现高速堵车以及严重的交通事故。不仅影响了高速公路的正常运行，也给高速公路的通行安全带来极大的隐患。因此，准确地对高速公路交通流进行预测能够合理地规避上述问题，从本质上提升高速公路的服务质量。基于此，该文提出了一个基于CNN和LSTM的高速公路交通流预测模型，通过与其他模型对比分析后发现该模型在预测高速公路交通流方面具有更高的精确度。采用交通流预测模型能够为高速公路的管理和运营提供有力的技术支撑。

1 交通流预测模型

1.1 模型分类

国内外学者对于交通流预测模型展开深入研究，提出了近300余种预测模型，总体可归纳为统计方法模型、神经网络模型、非线性理论模型以及动态交通分配模型[1-3]。……