1. 毕业设计（论文）主要内容：

实时、准确的交通流预测是交通诱导、出行路线规划等的前提和基础，也是智能运输系统的关键技术之一，目前已成为智能交通领域关注和研究的热点。LSTM(Long Short-Term Memory)是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。本课题要求在给定的路网区域内选择检测站，通过交通流序列构造数据集，利用LSTM模型搭建神经网络，对数据集进行训练，并进行交通流预测，将预测值与真实值作对比，得出结论。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。

（2）完成开题报告及任务书。

（3）利用python对交通流量数据进行仿真，lstm模型完成训练及预测，得到预测结果并与真实数据比较进行误差分析。

3. 毕业设计（论文）完成任务的计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

（3）第7－9周：构造交通流数据集，搭建仿真环境。

4. 主要参考文献

[1] shao h x, soong b h. traffic flowprediction with long short-term memory networks (lstms) [c]∥proceedings of 2016ieee region 10 conference.piscataway:ieee, 2016:2986-2989.

[2] luy s, duan y j, kang w w, et al.traffic flow prediction with big data:a deep learning approach[j].ieeetransactions on intelligent transportation systems, 2015, 16 (2) :865-873.

[3] 罗向龙, 焦琴琴, 牛力瑶, 等.基于深度学习的短时交通流预测[j].计算机应用研究, 2017, 34 (1):91-93.