技术特征：
技术总结
本发明公开了一种基于道路聚类和双层双向LSTM的交通流量预测方法，包括：1)提出了一种对训练数据存在缺失值时，对丢失值采取周围平均化的方式填补缺失数据，提高预测精度；2)提出了一种根据历史流量数据对道路进行相关性聚类，将道路分成若干组，并在数据预处理阶段同时利用时间信息和空间信息，提高预测精度；3)设计了一种双层双向LSTM深度神经网络模型，提高模型的预测精度；4)提出了一种对网络模型进行批量训练和测试的方法，加快神经网络模型的训练和测试速度；5)提出了一种多模型融合方法，提高预测精度。本发明同时提高了深度神经网络在交通流量预测方面的预测速度和精度。
技术研发人员：杨海龙;黄秋宇;栾钟治;李云春
受保护的技术使用者：北京航空航天大学
技术研发日：2017.07.25
技术公布日：2017.09.12