|
|||||
|
|
| 基于深度学习的短时交通流预测模型 | |
| 作者姓名： | 卢生巧 黄中祥 |
| 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... |
| 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 |
|
||||||||||||||
|
||||||||||||||
|
||||||||||||||
|
|
|
|
| 设为首页 | 免责声明 | 关于勤云 | 加入收藏 |
|
Copyright©北京勤云科技发展有限公司 京ICP备09084417号 |