摘 要：针对当前智慧城市交通拥堵治理中的车流量预测准确度低、预测效果差的问题，提出了基于 LSTM-LSSVM 的车流量预测方案，在历史车流量样本数据中，通过 LSTM 和 LSSVM 对车流量划分成为的训练集使用不同的拟合方式改进了预测效果。实验中，以某一个区域的历史车流量为研究样本，预测指标结果说明该方法相比 LSTM、LSTM-SVM 具有较好的预测效果。
关键词：智慧城市；车流量；预测
DOI:10.19850/j.cnki.2096-4706.2022.21.026
基金项目：绍兴市哲学社会科学研究“十四五”规划 2022 年度重点课题—指南课题（145192）
中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2022）21-0109-03
Research on a Traffic Flow Prediction Strategy under the Background of Smart City
CHEN Xuan
(Zhejiang Industry Polytechnic College, Shaoxing 312000, China)
Abstract: For the current problems of low accuracy and poor effect of traffic flow prediction in traffic congestion management in smart cities, a traffic flow prediction scheme based on LSTM-LSSVM is proposed. And in the historical traffic flow sample data, it uses different fitting methods to improve the prediction effect for the training set which is divided by LSTM and LSSVM according to the traffic flow. In the experiments, the historical traffic flow of a region is used as the research sample, and the results of the prediction indexes show that the method has better prediction effect compared with LSTM, LSTM-SVM.
Keywords: smart city; traffic flow; prediction
参考文献：
[1] 宗春光，宋靖雁，任江涛，等 . 基于相空间重构的短时交通流预测研究 [J]. 公路交通科技，2003（4）：71-75.
[2] 陈力云，薛彦聪，黄宏程，等 . 高速公路服务区车流量时序优化预测模型 [J]. 公路，2022，67（6）：212-217.
[3] 胡杰，龚永胜，蔡世杰，等 . 基于多源数据的车流量时空预测方法 [J]. 汽车工程，2021，43（11）：1662-1672.
[4] 王钰，郭兰英，程鑫 . 结合深度学习的短时车流量预测优化方法 [J]. 计算机工程与应用，2020，56（16）：211-217.
[5] 王凤琴，卢官明，柯亨进 . 自适应参数寻优短期车流量预测 [J]. 计算机应用与软件，2018，35（7）：8-14.
作者简介：陈暄（1979.03—），男，汉族，江西南昌人，副教授，硕士，研究方向：人工智能、算法设计。