基于长短期记忆神经网络的可用停车位预测

可用停车位预测是智能停车诱导系统的关键问题之一。当前基于神经网络的预测技术在较短预测周期内，预测准确度的平均绝对误差在 10 左右，但随着预测步长或周期的增加，预测精度急剧下降。针对这一问题，该文提出了一种在中长预测时间周期内可保持数据变化特征的泊位预测方法。该方法使用模糊信息粒化获取特征数据集，通过训练长短期记忆神经网络预测未来的特征数据集，基于数据插值方法重建出整个区间可用停车位的连续变化曲线。仿真结果表明，该方法在相同预测步长的可用车位预测上，比传统预测方法具有更高的预测精度；在保持相近预测精度的条件下，比传统预测方法具有更高的计算效率