基于时空特征挖掘的交通流量预测方法

摘要：

基于神经网络和大数据的交通流量预测方法层出不穷,但对交通流量预测的精度仍有待进一步提高.为了解决该问题,提出一种基于时空特征挖掘的交通流量预测方法.该方法使用改进的CNN来挖掘交通流量的空间特征,使用递归神经网络来挖掘交通流量的时间特征,能够充分利用交通流量的每周/每天的周期性和时空特征.此外,在该方法中还使用了一种基于相关性的模型,它可以根据过去的交通流量实现自动学习.实验结果表明,相比于其他几种较新的预测方法,所提方法具有较高的交通流量预测精度.

关键词：深度神经网络、改进卷积神经网络、交通流量预测、时空特征、大数据、自动学习

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71702015;中国博士后科学基金2017M611810;重庆市社科规划重大应用项目2017ZDYY51;重庆市发展信息管理工程技术研究中心开放基金项目gczxkf201706;重庆工商大学科研平台开放课题KFJJ2018078

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：322-326