購物車(0)
基于GRU-RNN模型的城市主干道交通時間預(yù)測
關(guān)鍵詞：城市交通 交通時間預(yù)測 時間序列 深度學習
摘要：交通旅行時間是研究交通路況的重要指標之一,對其精確預(yù)估是城市道路交通管理的重要依據(jù)。針對交通旅行時間序列數(shù)據(jù),應(yīng)用GRU結(jié)構(gòu)的遞歸神經(jīng)網(wǎng)絡(luò),構(gòu)建城市主干道交通旅行時間預(yù)測模型。根據(jù)實際路網(wǎng)數(shù)據(jù)的時間相關(guān)性重構(gòu)交通旅行時間序列,結(jié)合時間序列的趨勢特性完成對數(shù)據(jù)的清洗以及缺失值的補齊。使用基于TensorFlow為后端的Keras框架完成基于GRU結(jié)構(gòu)的循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)搭建和精細調(diào)參,使用路網(wǎng)實測數(shù)據(jù)進行模型的訓練和驗證,根據(jù)驗證結(jié)果選擇優(yōu)化參數(shù),使模型的訓練時間水平得到提升。仿真實驗證明其所采用的模型相對于基于LSTM結(jié)構(gòu)的時間序列模型收斂速度更快。
北京信息科技大學學報·自然科學版雜志要求:
{1}所有引文均需核實無誤，文獻版本應(yīng)信實可靠。
{2}不同欄目字數(shù)、格式要求不同，撰稿前請聯(lián)系編輯部。
{3}論文內(nèi)容應(yīng)接觸學科前沿，做到論點新穎、明確，論據(jù)充分、可靠，語言通順，文字簡練。
{4}文稿需要附200字以內(nèi)的中文摘要、3~5個關(guān)鍵詞。
{5}公式及正文的變量應(yīng)使用斜體表示，并在第一次出現(xiàn)時給出具體含義，杜絕同一字母兩種含義的現(xiàn)象。行文中需用到的公式應(yīng)統(tǒng)一順序編號。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
