基于时空相关性的短时交通流量预测方法

• 作者: 孙丽珺 朱兰婷 闫杨
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 短时交通流量 卷积-门控循环单元 双向门控循环单元 时空特征 周期性特征
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 热点与综述
• 页码范围: 31-37
• 页数: 7页
• 分类号: TP391
• 字数: 5057字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055105

摘要

新一代智能交通系统的智能出行、交通大数据智能化决策需要精准及时的短时交通流量预测,深度学习通过机器学习技术自身产生特征,可为短时交通流量预测提供解决方法.以深度学习模型为基础,提出一种结合Conv-GRU和 Bi-GRU的短时交通流量预测方法,利用卷积-门控循环单元提取交通流量的时空特征,通过双向门控循环单元提取交通流量的周期特征,将提取的特征进行融合得到交通流量的预测值.实验结果表明,该方法能够准确地预测短时交通流量,与 Conv-LSTM方法相比,收敛速度较快,具有更短的运行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙丽珺	青岛科技大学信息科学技术学院	8	32	3.0	5.0
2	朱兰婷	青岛科技大学信息科学技术学院	2	0	0.0	0.0
3	闫杨	青岛科技大学信息科学技术学院	2	0	0.0	0.0