10.3969/j.issn.1006-9348.2021.06.016
基于随机失活的循环神经网络交通事件预测
智能交通是现代交通发展的前沿领域,交通事件预测是其中的一个研究热点.传统BP神经网络模型是交通事件分析中常用的模型分析方法之一,但易陷入局部极值,不适合处理长期且连续的交通事件数据.为解决上述问题,提出使用循环神经网络处理交通事件数据,利用循环神经网络模型的有限时间长度记忆优势,构建序列数据分类模型来训练数据,采用随机失活方法去除模型的过拟合问题,通过达拉斯地区的实际流量数据验证,将预测结果与传统BP神经网络模型方法作对比.实验对比结果表明,该综合算法在预测精度和损失值方面均有较明显提升,验证了方法的有效性.
交通事件预测、循环神经网络、序列数据、随机失活
38
TP274(自动化技术及设备)
国家自然科学基金;国家科技攻关计划;创新项目;河南省高等学校科技创新团队支持计划;河南科技大学科技创新团队项目;河南科技大学重大产学研合作培育基金项目
2021-07-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
78-82,87