基于深度学习的交通流量预测研究

• 作者: 丁红卫 万良 辛壮 邓烜堃
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 交通流量预测 时间序列分析 卷积神经网络 长短时记忆神经网络 特征提取
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 工程与应用
• 页码范围: 228-235
• 页数: 8页
• 分类号: TP183
• 字数: 7115字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1709-0405

摘要

交通流量序列具有不平稳性、周期性、易受节假日等因素影响的特点,因此交通流量预测是一项困难的任务.针对交通流量序列的预测问题,设计了一种基于深度学习的交通流量预测模型.模型融合了卷积神经网络和长短时记忆神经网络两种网络结构,卷积神经网络用于提取特征分量,长短时记忆神经网络综合提取出来的特征分量做序列预测.通过在贵州省高速公路车流量数据集上的验证,模型比传统的预测方法具有更高的精确度和实时性,在不同数据集上的泛化性能良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万良	贵州大学计算机科学与技术学院	37	125	6.0	8.0
5	丁红卫	贵州大学计算机科学与技术学院	9	24	4.0	4.0
9	邓烜堃	贵州大学计算机科学与技术学院	7	23	3.0	4.0
13	辛壮	贵州大学计算机科学与技术学院	4	13	2.0	3.0