原文传递
基于深度学习的短时交通流预测
| 题名： | 基于深度学习的短时交通流预测 |
| 作者： | 李莹;李晓霞 |
| 作者单位： | 西安邮电大学 |
| 关键词： | 智能运输系统;栈式降噪自编码器;交通流预测;深度学习 |
| 摘要： | 精确的交通流预测是智能运输系统的重要技术支撑,以实际交通流数据为背景,提出了一种新型的基于深度学习的交通流预测模型。将若干个降噪自编码器(DAE)进行堆叠,组成栈式降噪自编码器模型(SDAE),完成了深度学习框架的构建。进一步通过在顶层结构中增加标准预测模型,实现了基于深度学习的预测模型的搭建。结合实际交通流数据,开展了多个预测模型的实验对比。结果表明,考虑多维时空因素的SDAE预测精度更高,证明了模型的优越性。 |
| 期刊名称： | 公路工程 |
| 出版日期： | 202103 |
| 出版年： | 2021 |
| 期： | 03 |
| 页码： | 314-319 |
检索历史
应用推荐
