# 天池_道路通行时间预测LSTM

**Repository Path**: deeplearning666/TianChi_DaoLuTongXingShiJianYuCeLSTM

## Basic Information

- **Project Name**: 天池_道路通行时间预测LSTM
- **Description**: 基于各个link段上的历史通行时间预测未来132个link上的通行时间。
采用LSTM+3层全连接层神经网络的回归预测
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 13
- **Forks**: 6
- **Created**: 2017-08-04
- **Last Updated**: 2024-10-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#天池_道路通行时间预测LSTM
基于各个link段上的历史通行时间预测未来132个link上的通行时间。
采用LSTM+3层全连接层神经网络的回归预测

##问题及数据描述
https://tianchi.aliyun.com/competition/information.htm?spm=5176.100068.5678.2.76d97540CJREvY&raceId=231598

##大体思路
从提供的数据来看  link的基本信息包括属性数据（长，宽，等级）及上下游关系，但这些均是不变量，因此不宜作为训练数据。
经过分析，每条link的旅行时间应该和上下游的link旅行时间有关，且相互影响，其机制较为复杂，因此考虑将各个link的旅行时间作为特征，用lstm+nn去识别、拟合这种复杂的非线性关系。目前是这样做的。
进一步思路:可能需要对数据做些预处理，将发生交通事故的时间记录去除，另外原始数据经过转换后存在大量的link时间空值，目前是采用前一个时间填充，有没有更好的处理方式还有待进一步优化。