購物車(0)
基于GRU-RNN模型的城市主干道交通時間預測
張銘坤; 王昕 北京信息科技大學理學院; 北京100192
關鍵詞：城市交通 交通時間預測 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,對其精確預估是城市道路交通管理的重要依據。針對交通旅行時間序列數據,應用GRU結構的遞歸神經網絡,構建城市主干道交通旅行時間預測模型。根據實際路網數據的時間相關性重構交通旅行時間序列,結合時間序列的趨勢特性完成對數據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結構的循環神經網絡的結構搭建和精細調參,使用路網實測數據進行模型的訓練和驗證,根據驗證結果選擇優化參數,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結構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，文獻版本應信實可靠。
{2}不同欄目字數、格式要求不同，撰稿前請聯系編輯部。
{3}論文內容應接觸學科前沿，做到論點新穎、明確，論據充分、可靠，語言通順，文字簡練。
{4}文稿需要附200字以內的中文摘要、3~5個關鍵詞。
{5}公式及正文的變量應使用斜體表示，并在第一次出現時給出具體含義，杜絕同一字母兩種含義的現象。行文中需用到的公式應統一順序編號。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
