基于SDZ-GRU的多特征短时交通流预测方法

摘要：

针对当前短期交通流量预测方法误差较大,且仅依靠时间序列数据进行预测的问题,提出一种基于SDZ-GRU的多特征短时交通流预测方法(简称SGMTFP).该方法在现有的时序数据的基础上加入时间信息等一系列辅助数据,并将SDZ(Surprisal-Driven Zoneout)应用于门控循环单元(Gated Recurrent Unit,GRU)构成新的RNN单元SDZ-GRU.通过滚动式嵌套交叉验证实验,本文方法在均方根误差与平均绝对误差上比常规的GRU分别下降了7.68％和14.55％;另外由于SGMTFP方法加入了辅助特征,相比较不使用辅助特征的情况下,均方根误差与平均绝对误差分别下降了10.9％和15.1％,实验结果表明,本文方法能有效减小误差.

关键词：短时交通流预测、SDZ、GRU、辅助特征

分类号：TP302(计算技术、计算机技术)

在线出版日期：2019-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：60-65