论文摘要
交通流量序列具有不平稳性、周期性、易受节假日等因素影响的特点,因此交通流量预测是一项困难的任务。针对交通流量序列的预测问题,设计了一种基于深度学习的交通流量预测模型。模型融合了卷积神经网络和长短时记忆神经网络两种网络结构,卷积神经网络用于提取特征分量,长短时记忆神经网络综合提取出来的特征分量做序列预测。通过在贵州省高速公路车流量数据集上的验证,模型比传统的预测方法具有更高的精确度和实时性,在不同数据集上的泛化性能良好。
论文目录
文章来源
类型: 期刊论文
作者: 邓烜堃,万良,丁红卫,辛壮
关键词: 交通流量预测,时间序列分析,卷积神经网络,长短时记忆神经网络,特征提取
来源: 计算机工程与应用 2019年02期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 贵州大学计算机科学与技术学院,贵州大学计算机软件与理论研究所
基金: 贵州省科学基金(黔科合J字[2011]2328号,黔科合LH字[2014]7634号)
分类号: TP183;U491.1
页码: 228-235
总页数: 8
文件大小: 1895K
下载量: 1189
相关论文文献
- [1].基于深度学习的短时道路交通流量预测研究[J]. 软件 2020(05)
- [2].独立分量分析在短期交通流量预测中的应用[J]. 计算机应用研究 2020(S1)
- [3].船舶航道交通流量预测系统构建研究[J]. 舰船科学技术 2019(02)
- [4].考虑周期性波动因素的船舶交通流量预测模型[J]. 大连海事大学学报 2016(04)
- [5].基于改进粒子群算法的交通流量预测研究[J]. 电子设计工程 2017(06)
- [6].遗传算法优化支持向量机的交通流量预测[J]. 激光杂志 2014(12)
- [7].云技术在高速公路交通流量预测中的应用研究[J]. 智富时代 2015(S1)
- [8].基于支持向量机的高速短时交通流量预测[J]. 工程与建设 2020(02)
- [9].基于改进小波神经网络的短时交通流量预测研究[J]. 四川理工学院学报(自然科学版) 2015(06)
- [10].小波支持向量机在交通流量预测中的应用[J]. 计算机仿真 2011(07)
- [11].改进非参数回归在交通流量预测中的应用[J]. 重庆交通大学学报(自然科学版) 2008(01)
- [12].基于时空特征挖掘的交通流量预测方法[J]. 计算机科学 2019(07)
- [13].基于改进极限学习机的短时交通流量预测[J]. 现代计算机(专业版) 2018(14)
- [14].基于模糊理论的城市道路短时交通流量预测研究[J]. 公路工程 2016(01)
- [15].基于高斯核函数的短时交通流量预测[J]. 中央民族大学学报(自然科学版) 2013(S1)
- [16].基于图卷积神经网络的交通流量预测[J]. 智能计算机与应用 2019(06)
- [17].基于云模型随机特性的路口交通流量预测模型构建[J]. 人类工效学 2016(06)
- [18].基于相关向量机的交通流量预测[J]. 河北北方学院学报(自然科学版) 2016(05)
- [19].基于遗传算法优化支持向量机的交通流量预测[J]. 微电子学与计算机 2010(10)
- [20].基于组合模型的交通流量预测研究[J]. 物流工程与管理 2017(01)
- [21].基于小波神经网络的交通流量预测[J]. 科技创新与应用 2016(25)
- [22].智能算法在短时交通流量预测中的应用[J]. 交通建设与管理 2014(20)
- [23].探讨交通流量预测的几种方法[J]. 吉林建筑工程学院学报 2010(05)
- [24].港口船舶交通流量预测[J]. 大连海事大学学报 2009(03)
- [25].基于灰色马尔科夫模型的波动性交通流量预测[J]. 森林工程 2015(01)
- [26].引入果蝇优化算法的最小二乘支持向量机交通流量预测[J]. 电子测量技术 2018(16)
- [27].基于主成分分析和支持向量机的道路网短时交通流量预测[J]. 吉林大学学报(工学版) 2008(01)
- [28].基于非凸低秩稀疏约束的船舶交通流量预测[J]. 计算机应用研究 2018(01)
- [29].交通大数据环境下短时交通流量预测研究[J]. 铁道运输与经济 2018(08)
- [30].基于支持向量机的船舶交通流量预测模型[J]. 中国航海 2011(04)
标签：交通流量预测论文; 时间序列分析论文; 卷积神经网络论文; 长短时记忆神经网络论文; 特征提取论文;