基于卷积神经网络的道路交通速度预测

摘要：

针对传统交通流预测方法由于交通流本身的非线性而使预测精度受限的问题,提出了一种基于卷积神经网络的道路交通速度预测方法.先根据道路交通速度的时间连续性和空间特征对交通数据重构出交通流的时空矩阵,作为预测模型的特征输入.然后结合卷积神经网络非线性拟合能力,及其卷积层和池化层对深层特征的抽取能力来训练模型,进而对未来的交通流做出预测.最后,使用多个指标对该方法的预测结果进行评估,表明该方法具备一定精度且能有效跟踪未来的交通流趋势.

关键词：时空矩阵、卷积神经网络、交通速度预测、深度学习、智能交通

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：176-178