深度学习在城市交通流预测中的实践研究

摘要：

短时交通流状态预测对于实现城市智能交通系统至关重要。在过去，很多神经网络模型被提出来用以预测交通流，但是效果并不是很显著。究其原因，是因为大多数都是利用浅层模型在学习，浅层模型由于容易陷入局部极值而且不能模拟更复杂的数学运算，所以并不适合于模拟现实的交通状况。深度学习作为机器学习的新兴学科，在语音与图像处理方面取得了显著的成效，它能够非监督地从数据中学习出有效的特征用以预测，故在此利用深度学习进行建模用以城市主干道交通流预测。实验表明，模型取得了不错的交通流预测效果。

关键词：深度学习、交通流预测、神经网络、机器学习

分类号：TN915.5-34;TP183

在线出版日期：2015-08-26（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：158-162