基于深度学习的高精度交通流量大数据预测

摘要：

为了高效预测分析海量交通大数据,提高道路通行率和城市交通的智能化水平,提出一种高精度基于深度学习的并行卷积神经网络交通流量大数据预测模型.该模型首先对数据进行预处理以获得有效数据集,将具有规则时间间隔的一维时间序列样本和图像转换为时间一维、位置一维的二维像素网格,构建并行卷积神经网络模型用于对通过某路段的交通流量进行预测,并应用预测因子对交通量流数据进行建模.实验结果表明,与其他模型相比,本文提出的模型在平均绝对误差、平均相对误差和均方根误差方面均优于所对比的方法.

关键词：交通数据可视化、并行卷积神经网络、深度学习、交通流量预测

所属期刊栏目：47

分类号：TP393(计算技术、计算机技术)

资助基金：四川省高校后勤协会立项课题2022-2023;20220602

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：9-15