基于卷积和递归神经网络融合的交通状态指数预测

摘要：

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预测上表现较好,预测精度达到90.2％,比决策树模型精度提高了12.4％,比自回归模型精度提高了5.6％.

关键词：交通状态指数、深度学习融合模型、卷积神经网络、递归神经网络、决策树模型、ARIMA模型

所属期刊栏目：37

分类号：U491(交通工程与公路运输技术管理)

资助基金：上海市科委科研计划项目《自动驾驶开放道路测试交通监控数据解析关键技术研究及应用》项目号:18DZ1200204

在线出版日期：2021-03-05（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：91-95