10.19678/j.issn.1000-3428.0055105
基于时空相关性的短时交通流量预测方法
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.
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
46
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金青年基金
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
31-37