同济大学学报(自然科学版)

2021, v.49(03) 370-381

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于Inception卷积神经网络的城市快速路行程速度短时预测
Short-Term Travel Speed Prediction for Urban Expressways Based on Convolutional Neural Network with Inception Module

唐克双;陈思曲;曹喻旻;张锋鑫;

摘要(Abstract):

为了高效捕捉城市快速路复杂的交通拥堵特征,提升短时行程速度预测的准确性,以卷积神经网络为基础,结合Inception模块,构建行程速度短时预测模型。将行程速度信息按照时空关联关系组织为二维数据矩阵,以图像为特征学习对象,自动提取交通数据高维特征并学习多粒度复杂交通拥堵模式,通过系统的网络设计与测试训练得到模型最优结构参数和优化参数,结合回归分析方法与梯度幅度相似性偏差指标,综合评价模型性能。实证结果表明,模型提取行程速度数据时序特征和时空演化特征能力较强,预测准确性较高,可进一步应用于其他交通参数的短时预测。

关键词(KeyWords): 交通工程;行程速度短时预测;卷积神经网络;城市快速路;Inception模块

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61673302)

作者(Author): 唐克双;陈思曲;曹喻旻;张锋鑫;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享