基于深度学习的短时交通流预测模型

首页 > 成果 > 详情

认领

导出

Link by 中国知网学术期刊 Link by 万方学术期刊

反馈

作者信息关键词期刊信息基础信息归属信息摘要

成果类型：

期刊论文

作者：

卢生巧;黄中祥

作者机构：

长沙理工大学交通运输工程学院,湖南长沙 410004

[卢生巧; 黄中祥] 长沙理工大学

语种：

中文

关键词：

短时预测;深度学习;卷积神经网络;门控循环单元神经网络

期刊：

交通科学与工程

ISSN：

1674-599X

年：

2020

卷：

期：

页码：

74-80

DOI：

10.16544/j.cnki.cn43-1494/u.2020.03.012

基金类别：

51078044:国家自然科学基金 51338002:国家自然科学基金

机构署名：

本校为第一机构

院系归属：

交通运输工程学院

摘要：

针对现有交通流短时预测模型在描述交通流时空特征能力较弱的问题,提出了一种卷积神经网络和门控循环单元神经网络相结合的深度神经网络预测模型。该模型利用卷积神经网络提取短时交通流数据的空间特征,并将结果输入到门控循环单元神经网络中,挖掘短时交通流数据的时间特征。以加州交通局绩效评估系统的交通流数据为例,对该模型进行训练,验证该模型的准确性。试验结果表明:与现有的模型相比,该模型具有更好的预测性能,其平均绝对百分误差显著减少,可为交通管理与控制提供有效依据。

反馈

产权有误：本人成果被他人认领

数据有误：数据基本信息有误

归属有误：成果的院系归属、机构署名归属有误

其他原因：

验证码：

看不清楚，换一个

确定

取消

成果认领

标题：

用户	作者	通讯作者	--
	请选择	请选择	--

确定

取消

基于深度学习的短时交通流预测模型

反馈

成果认领

提示

该栏目需要登录且有访问权限才可以访问