|
|||||
|
|
| 基于深度学习的短时交通流预测研究 | |
| 作者姓名： | 王祥雪 许伦辉 |
| 作者单位： | 华南理工大学 土木与交通学院,广州 510640 |
| 基金项目： | 国家自然科学基金/National Natural Science Foundation of China(61263024);广东省自然科学基金/National Natural Science Foundation of Guangdong Province(2016A030310104). |
| 摘 要： | 针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高. |
| 关 键 词： | 交通工程 交通流预测 LSTM-RNN 时间序列 深度学习 |
| 收稿时间： | 2017-08-16 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《交通运输系统工程与信息》浏览原始摘要信息 | |
| 点击此处可从《交通运输系统工程与信息》下载免费的PDF全文 | |