基于随机失活的循环神经网络交通事件预测

• 作者: 刘伟 张晓蕾 孙士保 赵鹏程
• 来源期刊: 计算机仿真
• 关键词: 交通事件预测 循环神经网络 序列数据 随机失活
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 交通体系与工具仿真
• 页码范围: 78-82,87
• 页数: 6页
• 分类号: TP274
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.06.016

摘要

智能交通是现代交通发展的前沿领域,交通事件预测是其中的一个研究热点.传统BP神经网络模型是交通事件分析中常用的模型分析方法之一,但易陷入局部极值,不适合处理长期且连续的交通事件数据.为解决上述问题,提出使用循环神经网络处理交通事件数据,利用循环神经网络模型的有限时间长度记忆优势,构建序列数据分类模型来训练数据,采用随机失活方法去除模型的过拟合问题,通过达拉斯地区的实际流量数据验证,将预测结果与传统BP神经网络模型方法作对比.实验对比结果表明,该综合算法在预测精度和损失值方面均有较明显提升,验证了方法的有效性.