# Traffic Flow Prediction
Traffic Flow Prediction with Neural Networks(SAEs、LSTM、GRU).
## Requirement
- Python 3.6
- Tensorflow-gpu 1.5.0
- Keras 2.1.3
- scikit-learn 0.19
## Train the model
**Run command below to train the model:**
```
python train.py --model model_name
```
You can choose "lstm", "gru" or "saes" as arguments. The ```.h5``` weight file was saved at model folder.
## Experiment
Data are obtained from the Caltrans Performance Measurement System (PeMS). Data are collected in real-time from individual detectors spanning the freeway system across all major metropolitan areas of the State of California.
**Run command below to run the program:**
```
python main.py
nihao
```
TrafficFlowPrediction（城市交通道路流量预测）（python）.zip （73个子文件） 
TrafficFlowPrediction（城市交通道路流量预测）（python） images 
pre_workdays_daily.png 49KB
城市交通流量预测图.rar 206KB SAEs.png 37KB GRU.png 19KB 原始图片 eva.png 69KB SAEs.png 37KB GRU.png 19KB LSTM.png 19KB pre_workdays.png 66KB LSTM.png 19KB pre_weekend.png 51KB pre_weekend_daily.png 48KB data 
100211_jiejiari_buhanling.csv 214KB gongzuori_train.csv 202KB 100211_buhanling_test.csv 178KB 100211_jiejiari_buhanling_train.csv 121KB 100211_jiejiari_buhanling_test.csv 60KB data_volumn.py 5KB 100211_gongzuori_buhanling_train.csv 236KB 100211gaizao.csv 586KB train.csv 195KB 100211_gongzuori.csv 586KB zhoumo_test.csv 45KB volumn.csv 554KB 5.7-5.9数据 8KB zhoumo.csv 43KB 100211_gongzuori_buhanling.csv 524KB 100211data 100211_weekend_test.csv 60KB 100211_workdays_test(1).csv 118KB 100211_all_train.csv 357KB 100211_weekend_train.csv 121KB 100211_workdays_train.csv 236KB 100211_all_test.csv 178KB gongzuori_test.csv 85KB 100211_jiejiari.csv 240KB 100211_gongzuori_buhanling_test.csv 118KB test.csv 108KB 100211_buhanling_train.csv 357KB gongzuori.csv 66KB zhoumo_train.csv 124KB data.py 1KB volumn-gaizao.csv 481KB model 100211_all saes.h5 2.52MB gru loss.csv 47KB lstm loss.csv 48KB saes loss.csv 47KB lstm.h5 414KB gru.h5 316KB 100211_workdays saes.h5 2.52MB gru loss.csv 48KB lstm loss.csv 48KB saes loss.csv 48KB lstm.h5 414KB gru.h5 316KB model.py 2KB lstm loss.csv 47KB 原始模型 saes.h5 2.52MB gru loss.csv 47KB lstm loss.csv 47KB saes loss.csv 47KB lstm.h5 414KB gru.h5 316KB lstm.h5 414KB lstm_loss.csv 47KB 100211_weekend saes.h5 2.52MB gru loss.csv 47KB lstm loss.csv 47KB saes loss.csv 47KB lstm.h5 414KB gru.h5 316KB test.py 3KB train.py 3KB README.md 716B资源评论
qq_519643592024-02-07资源很实用，内容详细，值得借鉴的内容很多，感谢分享。
东北沙瑞金2022-05-26用户下载后在一定时间内未进行评价，系统默认好评。
普通网友2022-06-17用户下载后在一定时间内未进行评价，系统默认好评。
gdzsir2023-04-14资源很不错，内容和描述一致，值得借鉴，赶紧学起来！- 2301_764244362023-02-14支持这个资源，内容详细，主要是能解决当下的问题，感谢大佬分享~
资源存储库
- 粉丝: 2w+
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
