基于深度残差网络的短时交通流量预测
建立了一个深度残差网络模型用来进行短时交通流量预测.考虑到短时交通流量数据具有时空相关性,通过采用最小角回归拟合L1正则化损失函数的方法挖掘出了预测路口与上下游路口的时空相关性,并且构建了基于时空关联性的深度残差网络预测模型.采用了美国芝加哥i-55公路的交通数据集进行了模型验证,通过实验表明预测模型比传统的预测模型准确率提高近2％～4％,可以看出该模型一定程度上提高了预测精度.
短时交通流量预测、深度残差网络、时空关联性、深度学习
42
U495(交通工程与公路运输技术管理)
2019-12-03（万方平台首次上网日期，不代表论文的发表时间）
共5页
85-89
