基于深度学习的短时交通量预测研究综述

摘要：

短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义.传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出更精准的预测,这也使得深度学习成为当前短时交通量预测领域的研究热点.文中首先介绍了传统交通量预测方法和深度学习的研究现状;然后按照生成型和判别型深度结构对现有基于深度学习的短时交通量预测方法进行分类,并总结了深度学习在短时交通量预测研究领域的主要方法,对其性能进行了对比研究;最后对深度学习在短时交通量预测领域存在的问题和发展趋势进行了探讨.

关键词：短时交通量预测、交通控制与管理、深度学习、生成型深度结构、判别型深度结构

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61701044;中国博士后特别资助项目2015T80998;陕西省自然科学基金2016JQ6067;陕西省博士后科研项目2014-074;IBM公司合作项目SOWCHD201610

在线出版日期：2019-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：39-47