# TrafficFlowPrediction
LCTFP: A freeway traffic flow prediction model based on CNN and LSTM
## 使用
### 准备数据
进入PeMS文件夹,解压PEMS.zip文件至PeMS目录下。文件的组织形式应如/PeMS/Station%形式。
### 数据处理
Station 文件夹内保存了各个站点半年内的交通流数据。每个txt文件为该站点在一天内的交通流。运行脚本data_preprocess.py。该脚本读取所有txt文件并对原始数据进行处理:包括数据清理、归一化、处理时间序列。最后把经过处理后的数据存入数组。
## 实验说明
### 模型结构
LCTFP模型使用1D CNN + LSTM的组合结构对高速公路短时交通流进行预测。1D CNN用来学习短时交通流的空间特征,LSTM用来学习交通流演变的时间特征。脚本cnn_lstm_param.py可进行超参数搜索,运行前需安装hyperas。
### LCTFP模型结果
![LCTFP](https://github.com/bobbychovip/TrafficFlowPrediction/raw/master/images/cnn_lstm.png)
### 三种模型结果的比较
![LCTFP](https://github.com/bobbychovip/TrafficFlowPrediction/raw/master/images/threemodels.png)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
LCTFP:基于 CNN 和 LSTM 的高速公路交通流量预测模型(python代码) 车站内运行脚本的各个站点的一个半小时内的交通流数据。txt 运行数据_preprocess py。包括读取的所有文件txt。原来的处理数据:数据采集、归一化处理时间、处理顺序。 LCTFP使用模型1D CNN + LSTM的组合结构对暴露短时交通流进行预测。1D CNN使用学习时短交通流的空间特征,LSTM使用学习时交通流的时间特征。脚本cnn_lstm_param.py可进行超参数搜索,运行前需安装hyperas。
资源推荐
资源详情
资源评论
收起资源包目录
TrafficFlowPrediction-master.zip (21个子文件)
TrafficFlowPrediction-master
sae.py 2KB
cnn_lstm_final.py 3KB
input_data.py 4KB
cnn_lstm_param.py 5KB
images
threemodels.png 134KB
cnn_lstm.png 67KB
Model
cnn_lstm_best.h5 11.44MB
cnn_lstm.h5 5.01MB
cnn_lstm_final.json 8KB
lstm.json 3KB
cnn_lstm_final.h5 3.18MB
sae.json 2KB
sae.h5 570KB
cnn_lstm.json 7KB
cnn.h5 1.57MB
lstm.h5 2.79MB
compare.py 4KB
PeMS
data_preprocess.py 2KB
PEMS.zip 8.73MB
README.md 1KB
lstm.py 2KB
共 21 条
- 1
资源存储库
- 粉丝: 4351
- 资源: 392
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
- 3
- 4
前往页