原文传递
基于LSTCN模型的城市交通速度预测
| 题名： | 基于LSTCN模型的城市交通速度预测 |
| 作者： | 殷仕山;孙克雷 |
| 作者单位： | 安徽理工大学计算机科学与工程学院 |
| 关键词： | 城市交通;速度预测;长短期时间卷积网络;天气因素 |
| 摘要： | 为了提高城市交通速度预测的精度，充分考虑天气因素的影响，挖掘交通速度数据隐藏的深层特征，提出了一种融合天气因素的城市交通速度预测模型.通过对天气和交通速度数据的相关性计算，筛选出了相关性最强的四个气象特征;引入因果逻辑约束，增强了时间序列特征的表达;利用扩展卷积提取交通速度数据不同时间长度下的序列特征，构建了基于长短期时间卷积网络(longandshort-termtemporal convolutiona lnetwork，LSTCN)的预测模型，将天气数据和交通速度数据作为模型的输入。最后。对深圳和广州的交通速度公共数据集进行实验验证，与表现最佳的基准模型时间卷积网络相比，平均绝对误差比降低了6.7%，均方误差降低了5.3%。 |
| 期刊名称： | 武汉理工大学学报（交通科学与工程版） |
| 出版日期： | 202105 |
| 出版年： | 2021 |
| 期： | 05 |
| 页码： | 868-873 |
检索历史
应用推荐
