基于深度学习方法的车辆上牌量预测

随着人民生活水平的提高,汽车数量不断增长,汽车的增长数量对交通基础设施建有着重要的意义,车辆上牌数量也成为衡量汽车数量的一项重要指标。近年随着深度学习算法在交通预测方面得到了较广泛的应用。针对城市车牌量准确预测的目的,本文采用了基于门控递归单元(GRU)神经网络模型,对城市车辆上牌数量进行更为准确的预测。同时,为了验证GRU模型的预测性能,ARIMA和支持向量回归模型参与对车辆上牌数量的预测。实验结果表明,相比ARIMA和SVR,GRU模型在车牌数量预测方面更加准确。