基于深度学习的交通流量预测

被引：49

作者：

刘明宇 ^{[1
]}

吴建平 ^{[1
]}

王钰博 ^{[2
]}

何磊 ^{[3
]}

机构：

[1] 不详

[2] 清华大学土木系

[3] 不详

[4] 浙江大学竺可桢学院

[5] 北京市公安局公安交通管理局

[6] 不详

来源：

系统仿真学报 | 2018年 / 11期

关键词：

交通工程; GRU; 交通流预测; 深度学习;

D O I：

10.16182/j.issn1004731x.joss.201811007

中图分类号：

U491.1 [交通调查与规划];

学科分类号：

摘要：

交通流预测是城市智能交通系统的重要组成部分。随着人工智能和机器学习的不断发展,深度学习在交通工程领域得到了广泛的应用。选取门控循环单元(Gated Recurrent Unit, GRU)神经网络作为研究对象,利用交叉验证法探究GRU模型的最佳门控循环单元个数,并与支持向量机回归等三种预测模型通过不同指标进行综合评价和对比。结果表明,与其它3种模型相比,GRU模型具有良好的预测性能。

引用

页码：4100 / 4105+4114 +4114

页数：7

共 7 条

[1] 基于深度学习的城市道路旅行时间预测 [J].