Print

基于时空数据驱动的交通流预测

论文摘要

实时、有效的交通预测有助于对城市交通流进行精细化管控,从而提升交通运行效率和城市品质。在分析交通流数据特性的基础上,提出一种基于栈式自编码神经网络的预测模型,该模型根据交通流时空关联特性构建多维度特征变量,经栈式自编码器进行数据重构,利用神经网络完成预测。结合北京市二环快速路的微波数据进行实例验证,结果表明该模型方法比传统的BP神经网络和支持向量机具有更好的预测精度。

论文目录

  • 0 引言
  • 1 交通流时空关联性
  •   1.1 时间关联性
  •   1.2 空间关联性
  •   1.3 灰色关联分析
  • 2 基于时空数据的栈式自编码模型
  •   2.1 栈式自编码器
  •   2.2 基于栈式自编码神经网络的交通流预测模型
  •     2.2.1 无监督预训练
  •     2.2.2 有监督微调
  • 3 实例分析
  •   3.1 数据来源
  •   3.2 模型结构
  •   3.3 预测结果
  •   3.4 效果分析
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 何龙庆,陈伦,蒋金勇

    关键词: 交通流预测,时空数据,关联分析,栈式自编码器

    来源: 交通与运输 2019年S1期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 公路与水路运输

    单位: 深圳市城市交通规划设计研究中心有限公司

    分类号: U491.1

    页码: 75-80

    总页数: 6

    文件大小: 2513K

    下载量: 219

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e98f8c510ba5a897c3ebecfc.html