论文摘要
基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题。为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布的数据端到端训练到残差LSTM网络中,同时在每个LSTM单元后引入维度加权单元,显式建模特征维度之间的相互依赖关系。实验结果表明,该方法能实现短期交通流量数据的自适应建模分析。
论文目录
文章来源
类型: 期刊论文
作者: 李月龙,唐德华,姜桂圆,肖志涛,耿磊,张芳,吴骏
关键词: 智能交通,短期交通流量预测,残差连接,长短期记忆网络,维度加权
来源: 计算机工程 2019年06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: 天津工业大学计算机科学与技术学院,天津市光电检测技术与系统重点实验室,南洋理工大学计算机科学与工程学院,天津工业大学电子与信息工程学院
基金: 国家自然科学基金(61771340,61302127,61601325),天津市自然科学基金(18JCYBJC15300)
分类号: TP183;U491.1
DOI: 10.19678/j.issn.1000-3428.0052120
页码: 1-5
总页数: 5
文件大小: 376K
下载量: 277
相关论文文献
标签:智能交通论文; 短期交通流量预测论文; 残差连接论文; 长短期记忆网络论文; 维度加权论文;