技術頻道

可用停車位預測是智能停車誘導系統(tǒng)的關鍵問題之一。當前基于神經網絡的預測技術在較短預測周期內，預測準確度的平均絕對誤差在 10 左右，但隨著預測步長或周期的增加，預測精度急劇下降。針對這一問題，該文提出了一種在中長預測時間周期內可保持數(shù)據變化特征的泊位預測方法。該方法使用模糊信息粒化獲取特征數(shù)據集，通過訓練長短期記憶神經網絡預測未來的特征數(shù)據集，基于數(shù)據插值方法重建出整個區(qū)間可用停車位的連續(xù)變化曲線。仿真結果表明，該方法在相同預測步長的可用車位預測上，比傳統(tǒng)預測方法具有更高的預測精度；在保持相近預測精度的條件下，比傳統(tǒng)預測方法具有更高的計算效率。