《表5 引入客车占比后不同时间间隔下算法的误差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LSTM引入客车占比特征的短时交通流预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于3.1.2节，对输入样本增加客车占比特征，同时选取与未加此特征时相同的t与r。模型预测结果如图10。不同时间间隔下算法的误差如表5。对比表3和表5可知:引入客车占比特征后，相同时间间隔下预测模型的RMSE、MSE与MAE均减小，且当时间间隔为5 min时，预测模型的RMSE、MSE与MAE分别为1.16、1.35和9.07，分别下降了0.11、0.26和0.88，说明引入客车占比特征可以有效减小模型误差，提高预测准确率。