Print

基于SDZ-GRU的多特征短时交通流预测方法

论文摘要

针对当前短期交通流量预测方法误差较大,且仅依靠时间序列数据进行预测的问题,提出一种基于SDZ-GRU的多特征短时交通流预测方法（简称SGMTFP）。该方法在现有的时序数据的基础上加入时间信息等一系列辅助数据,并将SDZ（Surprisal-Driven Zoneout）应用于门控循环单元（Gated Recurrent Unit, GRU）构成新的RNN单元SDZ-GRU。通过滚动式嵌套交叉验证实验,本文方法在均方根误差与平均绝对误差上比常规的GRU分别下降了7.68%和14.55%;另外由于SGMTFP方法加入了辅助特征,相比较不使用辅助特征的情况下,均方根误差与平均绝对误差分别下降了10.9%和15.1%,实验结果表明,本文方法能有效减小误差。

论文目录

  • 0 引 言
  • 1 基于SDZ-GRU的多特征短时交通流预测方法
  •   1.1 SDZ-GRU
  •   1.2 基于SDZ-GRU的多特征短时交通流预测框架
  •     1.2.1 数据预处理
  •       1)时序数据。
  •       2)辅助数据。
  •     1.2.2 模型训练与评估
  • 2 实验及分析
  •   2.1 实验数据与实验环境
  •   2.2 实验及结果分析
  •     2.2.1 实验内容
  •     2.2.2 结果分析
  • 3 结束语

    • 文章来源

    类型: 期刊论文

    作者: 吕田

    关键词: 短时交通流预测,辅助特征

    来源: 计算机与现代化 2019年10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

    单位: 华南师范大学

    分类号: U491.1

    页码: 60-65

    总页数: 6

    文件大小: 604K

    下载量: 197

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/c15dcc2d3ba5165c13e44c31.html