基于GRU-RNN模型的城市主干道交通时间预测

• 作者: 张铭坤 王昕
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 城市交通 交通时间预测 GRU-RNN 时间序列 深度学习
• 年，卷（期）: 2019,（4）
• 页码范围: 30-35
• 页数: 6页
• 分类号: U121
• 字数: 3212字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2019.04.006

摘要

交通旅行时间是研究交通路况的重要指标之一,对其精确预估是城市道路交通管理的重要依据.针对交通旅行时间序列数据,应用GRU结构的递归神经网络,构建城市主干道交通旅行时间预测模型.根据实际路网数据的时间相关性重构交通旅行时间序列,结合时间序列的趋势特性完成对数据的清洗以及缺失值的补齐.使用基于TensorFlow为后端的Keras框架完成基于GRU结构的循环神经网络的结构搭建和精细调参,使用路网实测数据进行模型的训练和验证,根据验证结果选择优化参数,使模型的训练时间水平得到提升.仿真实验证明其所采用的模型相对于基于LSTM结构的时间序列模型收敛速度更快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王昕	北京信息科技大学理学院	27	47	4.0	6.0
2	张铭坤	北京信息科技大学理学院	2	3	1.0	1.0