论文摘要
基于神经网络和大数据的交通流量预测方法层出不穷,但对交通流量预测的精度仍有待进一步提高。为了解决该问题,提出一种基于时空特征挖掘的交通流量预测方法。该方法使用改进的CNN来挖掘交通流量的空间特征,使用递归神经网络来挖掘交通流量的时间特征,能够充分利用交通流量的每周/每天的周期性和时空特征。此外,在该方法中还使用了一种基于相关性的模型,它可以根据过去的交通流量实现自动学习。实验结果表明,相比于其他几种较新的预测方法,所提方法具有较高的交通流量预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 孔繁钰,周愉峰,陈纲
关键词: 深度神经网络,改进卷积神经网络,交通流量预测,时空特征,大数据,自动学习
来源: 计算机科学 2019年07期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 重庆工商大学重庆市发展信息管理工程技术研究中心,南京航空航天大学管理科学与工程博士后流动站,重庆大学建筑城规学院
基金: 国家自然科学基金(71702015),中国博士后科学基金(2017M611810),重庆市社科规划重大应用项目(2017ZDYY51),重庆市发展信息管理工程技术研究中心开放基金项目(gczxkf201706),重庆工商大学科研平台开放课题(KFJJ2018078)资助
分类号: TP183;TP311.13;U491.1
页码: 322-326
总页数: 5
文件大小: 707K
下载量: 458