结合时间注意力机制的Bi-GRU-Atten的短时交通流预测

为使用深度学习模型预测未来高速公路交通流的情况，利用双向门控循环单元算法（Bi-GRU）从双向传播中提取信息，充分学习到历史交通流的时间相关特征，同时采用注意力机制通过正确分配权重来区分交通时间序列的重要性，进一步提高预测的计算效率。采用开源高速公路数据集对模型进行验证，结果表明：与递归神经网络算法、长短期记忆网络算法、双向长短期记忆网络算法，以及没有结合注意力机制的双向门控循环单元算法相比，本文所提算法在计算效率和预测精度方面更优，可以用于短时交通流的预测。