数据缺失下的短时交通流预测

摘要：

在实际交通数据收集过程中,采集设备故障、维修等问题均易导致采集到的交通数据存在一定的缺失.针对交通数据缺失情况下的交通流预测问题,本文提出了一种基于生成式对抗网络的短时交通流预测模型.该模型由生成网络和判别网络两部分组成.其中,生成网络由全连接层和门控循环单元(GRU)构成,以编码-解码的形式完成对未来交通状态的预测输出;判别网络由多层全连接层构成,通过Wasserstein距离的计算完成对真假样本的有效判断.实验结果表明,本文提出的模型不仅适用于不同比例数据缺失下的短时交通流预测,而且其预测表现优于其他对比模型.

关键词：生成对抗网络(GAN);门控循环单元(GRU);交通数据缺失;短时交通流预测

所属期刊栏目：31

资助基金：国家自然科学基金;浙江省自然科学基金

在线出版日期：2021-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：934-941