10.3778/j.issn.1002-8331.1911-0371
基于ACGRU模型的短时交通流预测
针对现有交通流预测模型未能充分利用交通流数据的时空特征以实现准确预测的问题,提出一种结合注意力机制的卷积门控循环单元预测模型(ACGRU).该模型利用卷积神经网络(CNN)和门控循环单元(GRU)提取交通流的时空特征,然后使用注意力机制生成含有注意力概率分布的交通流特征表示,同时利用交通流的周相似性提取周期特征,将所有特征相互融合进行回归预测.在真实交通流数据集上的实验表明,提出的ACGRU模型具有更高的预测精度,预测误差相比其他预测模型平均降低了9%.
智能交通、短时交通流预测、卷积神经网络、门控循环单元、时空特征
56
U491.14(交通工程与公路运输技术管理)
国家重点研发计划;北京市教委科技面上项目
2020-11-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
260-265