深度学习在城市交通流预测中的实践研究

• 作者: 尹邵龙 赵亚楠
• 来源期刊: 现代电子技术
• 关键词: 深度学习 交通流预测 神经网络 机器学习
• 年，卷（期）: 2015,（15）
• 所属期刊栏目: 电子技术应用
• 页码范围: 158-162
• 页数: 5页
• 分类号: TN915.5-34|TP183
• 语种: 中文

摘要

短时交通流状态预测对于实现城市智能交通系统至关重要。在过去，很多神经网络模型被提出来用以预测交通流，但是效果并不是很显著。究其原因，是因为大多数都是利用浅层模型在学习，浅层模型由于容易陷入局部极值而且不能模拟更复杂的数学运算，所以并不适合于模拟现实的交通状况。深度学习作为机器学习的新兴学科，在语音与图像处理方面取得了显著的成效，它能够非监督地从数据中学习出有效的特征用以预测，故在此利用深度学习进行建模用以城市主干道交通流预测。实验表明，模型取得了不错的交通流预测效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹邵龙		1	28	1.0	1.0
2	赵亚楠		3	81	3.0	3.0