장기 단기 메모리 네트워크(LSTM)를 이용한 교통 흐름 예측

정확한 교통 흐름 정보는 지능형 교통 시스템 관리 및 배포에 매우 중요합니다. 지난 몇 년 동안, 많은 기존 모델이 단기 교통 흐름 예측을 위해 설계되었습니다. 그러나 이러한 모델은 얕은 구조 때문이거나 데이터에서 시퀀스 상관관계를 추출할 수 없기 때문에 바람직한 결과를 제공하지 못합니다. 본 논문에서는 단기 교통 흐름 예측에 LSTM의 응용을 탐구합니다. 딥 러닝 접근법으로서 LSTM은 비선형 교통 흐름 데이터에서 더 추상적인 표현을 학습할 수 있습니다. 순차 데이터에서 장기 의존성을 캡처하는 고유한 특성은 교통 예측에 적합한 선택이 되게 합니다. 실제 교통 데이터 세트에 대한 실험은 우리의 모델이 좋은 성능을 보임을 나타냅니다. LSTM 구조는 최신 모델과 비교되며, 실험 결과 우리의 모델이 MAPE 지표를 5.4%로 낮추어 바람직한 결과를 달성함을 보여줍니다.