基于GRU递归神经网络的城市道路超车预测

• 作者: 武志薪 王浩 鞠建敏 黄美鑫
• 来源期刊: 中国科技论文
• 学科: 交通运输
• 关键词: 深度递归神经网络 神经网络 超车预测 交通安全
• 年，卷（期）: 2019,（3）
• 页码范围: 285-290
• 页数: 6页
• 分类号: TP391|U491
• 字数: 4822字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2783.2019.03.009

摘要

城市道路中的超车行为尤其是违规超车等,对交通秩序与安全造成严重影响.随着电子警察与卡口等车牌识别系统的广泛应用,通过上下游车牌识别与时间对比,可以较为精确地获取车辆在路段之间的超车关系.基于电子警察处理的超车数据建立了基于GRU递归神经网络的城市道路超车率预测模型,预测城市道路超车率的变化趋势,并与循环神经网络(recurrent neural network,RNN)、反向传播(back propagation,BP)神经网络进行对比.在苏州工业园区星湖街-现代大道路段的测试结果表明,基于GRU递归网络的超车预测模型的绝对值误差为12.52％,相比于其他2种模型,精度高、泛化能力强、鲁棒性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王浩	上海应用技术大学计算机科学与信息工程学院	19	94	6.0	8.0
2	黄美鑫	上海应用技术大学计算机科学与信息工程学院	1	4	1.0	1.0
3	武志薪	上海应用技术大学计算机科学与信息工程学院	1	4	1.0	1.0
4	鞠建敏	上海应用技术大学计算机科学与信息工程学院	1	4	1.0	1.0