基于时空数据驱动的交通流预测

• 作者: 何龙庆 蒋金勇 陈伦
• 来源期刊: 交通与运输
• 学科: 交通运输
• 关键词: 交通流预测 时空数据 关联分析 栈式自编码器
• 年，卷（期）: 2019,（z1）
• 所属期刊栏目: 交通模型
• 页码范围: 75-80
• 页数: 6页
• 分类号: U491
• 字数: 4607字
• 语种: 中文

摘要

实时、有效的交通预测有助于对城市交通流进行精细化管控,从而提升交通运行效率和城市品质.在分析交通流数据特性的基础上,提出一种基于栈式自编码神经网络的预测模型,该模型根据交通流时空关联特性构建多维度特征变量,经栈式自编码器进行数据重构,利用神经网络完成预测.结合北京市二环快速路的微波数据进行实例验证,结果表明该模型方法比传统的BP神经网络和支持向量机具有更好的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋金勇		8	41	3.0	6.0
2	何龙庆		4	8	1.0	2.0
3	陈伦		1	0	0.0	0.0