基于卷积门控循环网络的居民出行模式识别

摘要：

关注城市居民出行的特征及其交通方式选择行为,对于实现绿色交通具有重要的现实意义.该文基于GeoLife数据集,利用卷积神经网络(CNN)、门控循环单元(GRU)和混合模型(CNN-GRU)对居民的出行特征及规律进行研究.通过测试和对比分析表明:CNN-GRU模型具有较好的识别效果,且优于单独采用CNN和GRU分类方法的识别性能.

关键词：出行模式识别、GPS轨迹数据、卷积神经网络、门控循环单元

所属期刊栏目：35

分类号：TP181(自动化基础理论)

资助基金：冶金工业过程系统科学湖北省重点实验室项目Y201902

在线出版日期：2021-01-20（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：75-80