题名: | 基于GBRBM-DBN模型的短时交通流预测方法 |
正文语种: | 中文 |
作者: | 冯微;陈红;张兆津;邵海鹏; |
关键词: | 智能交通;地点车速;高斯-伯努利受限波尔兹曼机;深度置信网络;大规模路网;交通流预测 |
摘要: | 为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测。该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征。在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测。选取广州市大规模路网中60条路段60d的实测地点车 |
期刊名称: | 交通信息与安全 |
出版年: | 2018 |
期: | 05 |
页码: | 99-108 |