基于卷积循环神经网络的城市区域 车流量预测模型

摘要：

城市范围内各区域车流量的预测对交通管制和公共安全有着重要意义.在图像处理和视频检测等领域知识的启发下,采用一种基于经纬度的网格分割方法,将城市范围内的车流量处理为一系列的静态图像,然后输入到一个由卷积循环神经网络(Convolutional Recurrent Net-works,CRNs)所构建的编码-预测模型中.文章所提的CRNs结合卷积神经网络(CNN)和长短时记忆(LSTM)的优点,利用CNN挖掘区域间车流量在空间上的相关性,LSTM挖掘区域内车流量在时间上的依赖性.在成都市出租车轨迹数据上进行的实验结果表明,所提模型相比于其他典型的方法有更高的精度.

关键词：卷积神经网络、循环神经网络、城市网格划分、车流量预测

所属期刊栏目：20

分类号：TP391(计算技术、计算机技术)

资助基金：河南省科技计划资助项目162102210036

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：236-241