基于卷积和递归神经网络融合的交通状态指数预测

• 作者: 张璐 柳爽 田野
• 来源期刊: 交通与运输
• 学科: 交通运输
• 关键词: 交通状态指数 深度学习融合模型 卷积神经网络 递归神经网络 决策树模型 ARIMA模型
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 综合交通
• 页码范围: 91-95
• 页数: 5页
• 分类号: U491
• 语种: 中文

摘要

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预测上表现较好,预测精度达到90.2％,比决策树模型精度提高了12.4％,比自回归模型精度提高了5.6％.