一种基于深度学习和元学习的出行时间预测方法

摘要：

出行时间预测是智慧交通系统中的一项基本任务,因其时空关系复杂且易受到外部因素影响而充满了挑战性.为了获得准确的预测结果,提出一种将深度学习与元学习结合进行出行时间预测的方法.该方法由时空网络模型和元学习框架组成,时空网络模型利用卷积神经网络和门控循环单元同时对轨迹及周边区域的交通状况进行时空信息的提取,元学习框架则用于从其他城市学习时空网络模型的通用初始化参数,并将其应用在目标城市中.在两个真实数据集上进行了实验,实验结果证明提出的方法优于现有方法.

关键词：出行时间预测、深度学习、元学习、时空数据挖掘、GPS轨迹数据

所属期刊栏目：58

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金61976247

在线出版日期：2022-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：561-569