基于时空相关性的短时交通流量预测方法

摘要：

新一代智能交通系统的智能出行、交通大数据智能化决策需要精准及时的短时交通流量预测,深度学习通过机器学习技术自身产生特征,可为短时交通流量预测提供解决方法.以深度学习模型为基础,提出一种结合Conv-GRU和 Bi-GRU的短时交通流量预测方法,利用卷积-门控循环单元提取交通流量的时空特征,通过双向门控循环单元提取交通流量的周期特征,将提取的特征进行融合得到交通流量的预测值.实验结果表明,该方法能够准确地预测短时交通流量,与 Conv-LSTM方法相比,收敛速度较快,具有更短的运行时间.

关键词：短时交通流量、卷积-门控循环单元、双向门控循环单元、时空特征、周期性特征

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金青年基金

在线出版日期：2020-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：31-37