期刊文献+
共找到113篇文章
< 1 2 6 >
每页显示 20 50 100
基于混沌理论和MEA-BPNN模型的快速路短时交通流预测 预览
1
作者 王硕 谷远利 +2 位作者 李萌 陆文琦 张源 《山东科学》 CAS 2019年第2期98-107,共10页
为提高短时交通流预测的精度,在分析北京市二环路实测交通流数据时空特性和混沌性的基础上,利用混沌理论方法对交通流量时间序列进行相空间重构,并基于思维进化算法提出一种改进的BP神经网络模型,将重构的时间序列数据作为模型输入进行... 为提高短时交通流预测的精度,在分析北京市二环路实测交通流数据时空特性和混沌性的基础上,利用混沌理论方法对交通流量时间序列进行相空间重构,并基于思维进化算法提出一种改进的BP神经网络模型,将重构的时间序列数据作为模型输入进行交通流预测。结果表明,基于该模型的预测结果与基于传统BPNN模型的预测结果相比,均方根误差、平均绝对误差和平均绝对百分误差分别下降31.11%、20.71%和37.28%,证明了模型具有更精确的预测能力。 展开更多
关键词 短时交通流预测 混沌理论 相空间重构 神经网络 思维进化算法
在线阅读 免费下载
基于相空间重构和PSO-GPR的短时交通流预测 预览
2
作者 李巧茹 池维源 +3 位作者 陈亮 范忠国 郝恩强 周志华 《交通信息与安全》 CSCD 北大核心 2019年第2期70-76,共7页
准确实时的短时交通流预测是智能交通诱导的关键。为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型。针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延... 准确实时的短时交通流预测是智能交通诱导的关键。为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型。针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入输出数据集。利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型。以重构序列作为预测模型的训练集和测试集,实现短时交通流预测。采用北京市东四环快速路检测器实测数据对比分析模型预测效果。结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度。 展开更多
关键词 智能交通 短时交通流预测 混沌理论 相空间重构 粒子群优化算法 高斯过程回归
在线阅读 免费下载
基于数据扩展的短时交通流量预测 预览
3
作者 魏庆东 邵峰晶 孙仁诚 《青岛大学学报:自然科学版》 CAS 2019年第2期73-78,共6页
多种机器学习和深度学习的模型和算法应用于短时交通流量预测,但是,大多数模型尤其是深度学习模型对训练样本的数量要求较高。为此,提出了一种基于数据扩展的短时交通流量预测方法,该方法基于自编码神经网络分别结合长短时记忆神经网络(... 多种机器学习和深度学习的模型和算法应用于短时交通流量预测,但是,大多数模型尤其是深度学习模型对训练样本的数量要求较高。为此,提出了一种基于数据扩展的短时交通流量预测方法,该方法基于自编码神经网络分别结合长短时记忆神经网络(LSTM)和支持向量机回归(SVR)构建预测模型,该模型利用自编码神经网络扩展的数据分别训练长短时记忆神经网络和支持向量回归进行交通流量的预测,结果表明,所提出的预测模型具有较高的精度和较好的泛化能力。 展开更多
关键词 数据扩展 短时交通流预测 自编码 LSTM SVR
在线阅读 下载PDF
基于多源交通数据融合的短时交通流预测 预览
4
作者 陆百川 舒芹 马广露 《重庆交通大学学报:自然科学版》 CAS CSCD 北大核心 2019年第5期13-19,56共8页
不同类型交通检测器所获取的交通数据中包含了不同的交通信息,交通流预测在交通管理与控制中具有重要作用,基于此,进行了多源交通数据动态加权融合和短时交通流预测。在综合分析多源数据特性及其融合优势的前提下结合遗传算法的全局搜... 不同类型交通检测器所获取的交通数据中包含了不同的交通信息,交通流预测在交通管理与控制中具有重要作用,基于此,进行了多源交通数据动态加权融合和短时交通流预测。在综合分析多源数据特性及其融合优势的前提下结合遗传算法的全局搜索及小波神经网络的自适应学习优点,提出了基于多源数据融合与遗传-小波神经网络(GA-WNN)的短时交通流预测模型。通过实例验证分析,基于GA-WNN的交通数据融合方法比其他方法更有优势;同时,多源数据融合的预测精度优于单一数据源的短时交通流预测序列,从而能为交通管理者的判断决策与交通出行者的路径选择提供更准确、全面的交通信息。 展开更多
关键词 交通工程 多源数据融合 短时交通流预测 遗传算法 小波神经网络
在线阅读 免费下载
基于交互式BP-UKF模型的短时交通流预测方法
5
作者 唐智慧 郑伟皓 +1 位作者 董维 李娟 《公路交通科技》 CAS CSCD 北大核心 2019年第4期117-124,134共9页
城市路网具有功能多样、组成复杂、交通量大、交叉口多等特点。优化短时交通流预测模型能够增加交通状态判别的精准度,有利于市民预知交通出行信息,为交通诱导措施的发布提供数据支持,免陷入拥堵困境。针对目前短时交通流预测模型优化... 城市路网具有功能多样、组成复杂、交通量大、交叉口多等特点。优化短时交通流预测模型能够增加交通状态判别的精准度,有利于市民预知交通出行信息,为交通诱导措施的发布提供数据支持,免陷入拥堵困境。针对目前短时交通流预测模型优化过程中出现的模型适应性差,使用条件要求高、单一模型无法准确地描述交通流在不同时段内的变化规律等因素造成短时交通流预测精准度低的问题,采用Kohonen神经网络对交通流数据进行聚类分析,令聚类得到的不同交通流模式下的交通流数据作为训练多个不同BP神经网络模型的输入,将不同神经网络模型与无迹卡尔曼滤波结合组成多个交通滤波器,完成交通流量的非线性预测与在线校准,最后使用交互式方法融合各估计器预测结果得出综合交通流预测结果。仿真实例构建了多个估计器和1个基于该方法的联合估计器,将以上各个估计器用于某断面的流量预测中,验证了几类估计器的流量预测性能。试验结果表明:该方法搭建的联合估计器在各种交通模式下较单估计器的预测准确性均有所提高,且在交通流遭遇多因素影响下发生特征变化时表现出一定的自适应性;相比于传统系统预测模型,大大降低了对训练数据量的要求,取得了较为满意的短时交通流预测效果。 展开更多
关键词 智能交通系统 短时交通流预测 神经网络 IMM 城市路网 UKF
基于灰色ELM神经网络的短时交通流量预测 预览 被引量:1
6
作者 景辉鑫 钱伟 车凯 《河南理工大学学报:自然科学版》 CAS 北大核心 2019年第2期97-102,共6页
为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,... 为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,将其转化为长时交通流数据,以降低交通流数据的随机性,有效减小因数据本身波动造成的误差。然后,利用ELM神经网络代替一阶线性微分白化方程,对长时交通流进行预测。最后,将长时交通流预测结果经过累减还原为短时交通流预测结果,有效提高了预测精度。仿真验证结果表明,相比于现有的一些预测方法,该方法提高了预测精度,是一种有效的短时交通流预测方法。 展开更多
关键词 灰色模型 短时交通流预测 ELM神经网络 一阶线性微分白化方程
在线阅读 免费下载
短时交通流预测中的特征选择算法研究 预览
7
作者 万芳 黎光宇 +1 位作者 贾宁 朱宁 《交通运输系统工程与信息》 EI CSCD 北大核心 2019年第2期216-222,254共8页
短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于ReliefF和DeltaTest的特征选择算法来对特征向量进行选择.首先使用... 短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于ReliefF和DeltaTest的特征选择算法来对特征向量进行选择.首先使用ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以DeltaTest为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本文方法优选的状态向量与时间序列状态向量,简单时空关联向量进行了对比.结果表明,本文的方法在一般交通状态条件下和突变交通状态下都具有较好的性能. 展开更多
关键词 智能交通 短时交通流预测 状态向量选择 道路交通系统 ReliefF方法
在线阅读 下载PDF
基于CNN-XGBoost混合模型的短时交通流预测 预览
8
作者 王青松 谢兴生 佘颢 《测控技术》 2019年第4期37-40,67共5页
准确、高效的交通流预测是实现交通诱导和交通控制的前提和关键。针对传统机器学习方法需要人工构造特征、无法充分提取交通流的时空特征等问题,提出一种混合预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)和XGBoo... 准确、高效的交通流预测是实现交通诱导和交通控制的前提和关键。针对传统机器学习方法需要人工构造特征、无法充分提取交通流的时空特征等问题,提出一种混合预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)和XGBoost (Extreme Gradient Boosting)各自的优势,在网络底层使用CNN对交通流数据进行特征的自动提取和选择,并将得到的高维特征向量输入到XGBoost模型中进行预测。为验证模型有效性,取高速路段的交通流数据对CNN模型、XGBoost模型和CNN-XGBoost模型进行实验对比,结果表明,在预测精度上,CNN-XGBoost模型比CNN模型和XGBoost模型分别提高了约6%和7%,是一种有效的短时交通流预测模型。 展开更多
关键词 CNN-XGBoost 卷积神经网络 深度学习 短时交通流预测
在线阅读 下载PDF
基于加权组合模型的短时交通流预测研究 预览 被引量:1
9
作者 雷斌 温乐 +1 位作者 耿浩 李建明 《测控技术》 CSCD 2018年第5期37-41,共5页
为了改善城市路网中短时交通流预测效果,提高预测精度,设计了一种基于改进的K近邻非参数回归和小波神经网络加权组合的短时交通流预测方法。针对K近邻非参数回归预测方法搜索量大、相似性差等问题,采用基于交叉口相关系数加权的欧氏距... 为了改善城市路网中短时交通流预测效果,提高预测精度,设计了一种基于改进的K近邻非参数回归和小波神经网络加权组合的短时交通流预测方法。针对K近邻非参数回归预测方法搜索量大、相似性差等问题,采用基于交叉口相关系数加权的欧氏距离选择K近邻值。小波变换与神经网络有机结合形成的前馈型网络,对非平稳的输入信号能够呈现出良好的时频特性和变焦能力,对短时交通流预测效果有着明显的提升。通过算例分析,说明所设计的预测方法能够获得比较精确的短时交通流预测结果。 展开更多
关键词 非参数回归 小波神经网络 短时交通流预测 组合预测
在线阅读 下载PDF
基于粒子滤波与BP神经网络的短时交通流预测 预览
10
作者 王川 张宝文 《河南科技》 2018年第2期35-38,共4页
为了有效缓解当前交通拥堵问题, 结合时下流行的智能交通系统, 本文将粒子滤波算法引入短时交通流预测过程中, 提出一种基于粒子滤波与神经网络的预测算法.该系统通过BP神经网络的非线性映射功能, 分裂选择适当的权值, 在多次训练之后... 为了有效缓解当前交通拥堵问题, 结合时下流行的智能交通系统, 本文将粒子滤波算法引入短时交通流预测过程中, 提出一种基于粒子滤波与神经网络的预测算法.该系统通过BP神经网络的非线性映射功能, 分裂选择适当的权值, 在多次训练之后能够提高算法中粒子的多样性, 改善算法滤波的性能, 最终达到提高预测精度的目的.另外, 本文以河南省新乡市交通局公交和出租车数据作为数据来源, 通过与传统的粒子滤波算法和BP算法的预测结果进行对比, 发现本文所提出的方法对短时交通流预测具有更好的预测精度. 展开更多
关键词 粒子滤波模型 BP神经网络 短时交通流预测 智能交通
在线阅读 下载PDF
基于FOA-RBF网络的城市道路短时交通流预测 预览 被引量:1
11
作者 陈明猜 於东军 戚湧 《南京邮电大学学报:自然科学版》 北大核心 2018年第2期103-110,共8页
为了提高城市道路短时交通流预测的时效性、准确性,提出一种基于果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)的径向基(Radial Basis Function,RBF)网络预测方法,简称FOA-RBF网络。以交通数据的混沌特性为依据,对短时交通... 为了提高城市道路短时交通流预测的时效性、准确性,提出一种基于果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)的径向基(Radial Basis Function,RBF)网络预测方法,简称FOA-RBF网络。以交通数据的混沌特性为依据,对短时交通流时间序列进行相空间重构,在相空间中构造混沌模型,凭借FOA算法对参数空间的探索能力,优化RBF网络的超参数,以此建立FOA-RBF网络。在城市道路数据上对FOA-RBF网络的有效性进行验证,实验结果表明,FOA-RBF网络在精度上有较大提升,并在处理大数据方面表现出较好的性能。 展开更多
关键词 短时交通流预测 相空间重构 果蝇优化算法 径向基网络 FOA-RBF网络
在线阅读 下载PDF
基于小波分析与隐马尔科夫模型的短时交通流预测 预览
12
作者 王川 张宝文 《交通节能与环保》 2018年第1期43-47,共5页
鉴于当前的城市交通拥挤不堪的现状,以及现阶段道路交通流预测时间消耗过长的弊端,将小波分析引入到城市短时交通流预测过程中,结合隐马尔科夫训练,提出一种基于小波分析的隐马尔科夫训练交通流预测模型。文章以新乡市交通局公交汽... 鉴于当前的城市交通拥挤不堪的现状,以及现阶段道路交通流预测时间消耗过长的弊端,将小波分析引入到城市短时交通流预测过程中,结合隐马尔科夫训练,提出一种基于小波分析的隐马尔科夫训练交通流预测模型。文章以新乡市交通局公交汽车数据和出租汽车数据作为数据来源,应用小波分析和隐马尔科夫相结合的预测模型进行预测,随后将预测结果同传统的隐马尔科夫模型所预测的结果进行对比分析。实验表明,本模型预测结果精确,与真实数据更为贴近,同时有效的降低了交通流预测的时间损耗,在短时交通流预测方面更加具有优越性。 展开更多
关键词 智能交通系统 短时交通流预测 小波分析 隐马尔科夫模型
在线阅读 免费下载
基于公交车GPS数据的短时交通流预测研究 预览
13
作者 张海鹏 杨宏业 +1 位作者 邬鑫珏 王葆元 《内蒙古工业大学学报:自然科学版》 2018年第1期75-80,共6页
随着智慧化城市的提出,智能交通系统已经成为城市建设中至关重要的部分,而短时交通流预测是实现智能交通系统的核心研究内容之一[1]。本文对获取的公交车GPS数据进行了挖掘分析,提取公交车速度数据进行短时交通流预测算法研究。考虑到... 随着智慧化城市的提出,智能交通系统已经成为城市建设中至关重要的部分,而短时交通流预测是实现智能交通系统的核心研究内容之一[1]。本文对获取的公交车GPS数据进行了挖掘分析,提取公交车速度数据进行短时交通流预测算法研究。考虑到时序数据的时间相关性和交通流数据的准周期特性,本文设计长短期记忆人工神经网络(Long-ShortTermMemory,LSTM)对交通流速度数据进行预测。结果表明,LSTM能够通过对历史速度数据的学习,找出时间序列之间的关系,利用LSTM的选择性记忆功能,能够对短时交通流速度进行更准确的预测。 展开更多
关键词 短时交通流预测 公交GPS数据 长短期记忆网络
在线阅读 下载PDF
基于小波和多维重构的BP神经网络交通流短时预测 预览
14
作者 曹洁 沈钧珥 +2 位作者 张红 侯亮 陈作汉 《计算机应用与软件》 北大核心 2018年第12期61-65,82共6页
针对采集过程中噪声影响以及交通流时间序列的强相关性,提出一种基于小波和多维重构的BP神经网络交通流短时预测方法。运用启发式小波降噪法对原始交通流数据进行降噪处理,剔除数据中的噪声;基于C-C法将交通流数据进行多维度相空间... 针对采集过程中噪声影响以及交通流时间序列的强相关性,提出一种基于小波和多维重构的BP神经网络交通流短时预测方法。运用启发式小波降噪法对原始交通流数据进行降噪处理,剔除数据中的噪声;基于C-C法将交通流数据进行多维度相空间重构,充分挖掘交通流的多维变化特性;构建多维度的BP神经网络进行交通流短时预测研究。运用2 400组数据进行实验,并与传统的BP 神经网络、Elman神经网络以及SVM进行对比。实验结果表明,该方法具有较高的预测精度,绝对误差降低约2.408 0,均方误差降低约26.597 2。 展开更多
关键词 小波降噪 相空间重构 BP神经网络 短时交通流预测
在线阅读 下载PDF
基于相似数据聚合与变K值KNN的短时交通流量预测
15
作者 梁艳平 毛政元 +1 位作者 邹为彬 许锐 《地球信息科学学报》 CSCD 北大核心 2018年第10期1403-1411,共9页
短时交通流量预测是交通控制和诱导涉及的关键技术问题,由于短时交通流量存在不确定性和时变性,其预测难度较大,是相关研究领域与工程实践中亟待解决的难题。为提高短时交通流量预测的准确性,本文设计与实现了基于相似数据聚合和变K值KN... 短时交通流量预测是交通控制和诱导涉及的关键技术问题,由于短时交通流量存在不确定性和时变性,其预测难度较大,是相关研究领域与工程实践中亟待解决的难题。为提高短时交通流量预测的准确性,本文设计与实现了基于相似数据聚合和变K值KNN(KNN-SDA)的短时交通流量预测算法。该算法首先采用互信息法在经过预处理的交通流量数据集提取交通流量序列最佳延迟时间信息,生成状态向量,并构建交通流量历史数据库;然后以本文所提出的相似数据聚合方法完成历史数据的聚合与清洗得到训练数据集;最后通过交叉验证确定每个时刻的最优K近邻数,完成算法实现。实验结果表明,本文提出的变K值KNN-SDA算法在保证执行效率的同时能明显提高短时交通流量的预测精度。 展开更多
关键词 短时交通流预测 互信息法 相似数据聚合 KNN 交叉验证
基于梯度提升回归树的短时交通流预测模型 预览 被引量:1
16
作者 沈夏炯 张俊涛 韩道军 《计算机科学》 CSCD 北大核心 2018年第6期222-227,264共7页
短时交通流预测是交通流建模的一个重要组成部分,在城市道路交通的管理和控制中起着重要的作用。然而,常见的时间序列模型(如ARIMA)、随机森林(RF)模型在交通流预测方面由于被构建模型产生的残差和输入变量所影响,其预测精度受到限... 短时交通流预测是交通流建模的一个重要组成部分,在城市道路交通的管理和控制中起着重要的作用。然而,常见的时间序列模型(如ARIMA)、随机森林(RF)模型在交通流预测方面由于被构建模型产生的残差和输入变量所影响,其预测精度受到限制。针对该问题,提出了一种基于梯度提升回归树的短时交通预测模型来预测交通速度。首先,模型引入Huber损失函数作为模型残差的处理方法;其次,在输入变量中考虑预测断面受到毗邻空间因素和时间因素相关性的影响。模型在训练过程中通过不断调整弱学习器的权重来纠正模型的残差,从而提高模型预测的精度。利用某城市快速路的交通速度数据进行实验,并使用MSE和MAPE等指标将本文模型与ARIMA模型和随机森林模型进行对比,结果表明,文中所提模型的预测精度最好,从而验证了模型在短时交通流预测方面的有效性。 展开更多
关键词 短时交通流预测 梯度提升回归树 损失函数 时空相关性
在线阅读 免费下载
一种平稳化短时交通流预测方法 预览
17
作者 康军 段宗涛 +1 位作者 唐蕾 温兴超 《测控技术》 CSCD 2018年第2期33-37,共5页
支持向量机回归模型是以预测噪声具有对称性概率分布为假设条件,而实际的短时交通流数据序列具有非平稳特征,这就使得在采用支持向量机回归模型进行短时交通流预测时,难以保证预测噪声的对称性概率分布,从而会影响到预测精度.针对上述问... 支持向量机回归模型是以预测噪声具有对称性概率分布为假设条件,而实际的短时交通流数据序列具有非平稳特征,这就使得在采用支持向量机回归模型进行短时交通流预测时,难以保证预测噪声的对称性概率分布,从而会影响到预测精度.针对上述问题,在证明支持向量机回归模型对平稳时间序列的预测噪声具有对称性概率分布的基础上,分别针对平稳化和未平稳化的短时交通流观测序列进行了仿真预测,并对预测结果进行了比对分析.分析结果表明,采用平稳化短时交通流预测方法可将预测的均方根误差降低约2 1 . 6 % ,绝对值误差降低约2 1 . 3 % ,相对误差降低约17. 3 % ,仿真结果验证了所提方法的有效性. 展开更多
关键词 短时交通流预测 统计学习 平稳化方法 支持向量机 季节性差分
在线阅读 下载PDF
一种LS-SVM在线式短时交通流预测方法 预览 被引量:1
18
作者 康军 段宗涛 +1 位作者 唐蕾 温兴超 《计算机应用研究》 CSCD 北大核心 2018年第10期2965-2968,共4页
针对短时交通流在线预测时存在的计算复杂性问题,提出了一种最小二乘支持向量机在线式短时交通流预测方法。该方法简化了在线学习过程中Lagrange乘子的求解过程,利用训练数据集滑动时间窗口的移动来控制新样本的加入和旧样本的移除,通... 针对短时交通流在线预测时存在的计算复杂性问题,提出了一种最小二乘支持向量机在线式短时交通流预测方法。该方法简化了在线学习过程中Lagrange乘子的求解过程,利用训练数据集滑动时间窗口的移动来控制新样本的加入和旧样本的移除,通过线性运算完成Lagrange乘子的更新,进而完成预测模型的在线更新。测试结果表明,相对已有方法,所提方法在保证预测精度的条件下,能够将在线模型更新时间平均降低约62.64%,是一种有效的在线式短时交通流预测方法。 展开更多
关键词 短时交通流预测 统计学习 最小二乘支持向量机 在线式学习算法 滑动时间窗口
在线阅读 下载PDF
基于扩展粒子群优化的支持向量机短时交通流预测 预览
19
作者 王锦添 蔡延光 +1 位作者 黄何列 戚远航 《常熟理工学院学报》 2018年第2期44-50,共7页
为了快速、准确地对交通流进行实时预测,将扩展粒子群算法应用到支持向量机的短时交通流预测优化中.首先对交通流样本数据进行重构,建立支持向量机预测模型.然后通过扩展粒子群算法对模型中的参数进行寻优,得出最优参数和优化时间.最后... 为了快速、准确地对交通流进行实时预测,将扩展粒子群算法应用到支持向量机的短时交通流预测优化中.首先对交通流样本数据进行重构,建立支持向量机预测模型.然后通过扩展粒子群算法对模型中的参数进行寻优,得出最优参数和优化时间.最后经过实验仿真,比较了基于网格搜索法优化的支持向量机、基于标准粒子群优化的支持向量机和基于扩展粒子群优化的支持向量机的泛化测试结果.结果表明,基于扩展粒子群优化的支持向量机在短时交通流预测中更具优势. 展开更多
关键词 短时交通流预测 粒子群 扩展粒子群 支持向量机
在线阅读 下载PDF
基于深度学习的短时交通流预测 预览
20
作者 李佳文 王景升 《山东交通科技》 2018年第5期87-90,117共5页
采用三种基于深度学习的交通流预测模型对首都机场的交通流进行预测。首先对清洗过的交通流数据进行重构,使预测结果实现时空关联性。标准化处理之后分别使用堆叠自动编码机(SAE)模型、长短时记忆网络(LSTM)模型和门控循环单元(GRU)模... 采用三种基于深度学习的交通流预测模型对首都机场的交通流进行预测。首先对清洗过的交通流数据进行重构,使预测结果实现时空关联性。标准化处理之后分别使用堆叠自动编码机(SAE)模型、长短时记忆网络(LSTM)模型和门控循环单元(GRU)模型对机场交通流数据的特征进行学习,在顶层使用回归层对最终结果进行预测,最后反标准化得到结果,对三种模型的效果进行评估,证明了模型的可靠性。 展开更多
关键词 智能交通 深度学习 短时交通流预测
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部 意见反馈