基于深度卷积神经网络的交通流量预测数学模型设计

• 作者: 刘红敏
• 来源期刊: 现代电子技术
• 关键词: 交通流量预测 智能交通 数学模型 深度神经网络 预测精度 仿真实验
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 智能交通与导航
• 页码范围: 110-112
• 页数: 3页
• 分类号: TN99-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.13.025

摘要

精确的交通流量预测是实现未来智能交通的关键技术.神经网络模型在该领域的预测方面具有一定的优势.因此,为了提高预测精度,设计一种基于深度卷积神经网络的交通流量预测数学模型.首先,对交通流量数据的预处理方法进行分析,然后结合特征训练过程和卷积神经网络构建深度神经网络结构,并给出深度神经网络的配置参数.利用美国明尼苏达大学UMD分校的交通流数据集进行仿真实验,结果表明,提出的模型可以对短时交通全局趋势进行预测,并具有较好的稳定性和预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘红敏	广州大学松田学院	8	6	2.0	2.0