期刊在线咨询服务,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)
关键词:城市交通 交通时间预测 时间序列 深度学习
摘要:交通旅行时间是研究交通路况的重要指标之一,对其精确预估是城市道路交通管理的重要依据。针对交通旅行时间序列数据,应用GRU结构的递归神经网络,构建城市主干道交通旅行时间预测模型。根据实际路网数据的时间相关性重构交通旅行时间序列,结合时间序列的趋势特性完成对数据的清洗以及缺失值的补齐。使用基于TensorFlow为后端的Keras框架完成基于GRU结构的循环神经网络的结构搭建和精细调参,使用路网实测数据进行模型的训练和验证,根据验证结果选择优化参数,使模型的训练时间水平得到提升。仿真实验证明其所采用的模型相对于基于LSTM结构的时间序列模型收敛速度更快。
北京信息科技大学学报·自然科学版杂志要求:
{1}所有引文均需核实无误,文献版本应信实可靠。
{2}不同栏目字数、格式要求不同,撰稿前请联系编辑部。
{3}论文内容应接触学科前沿,做到论点新颖、明确,论据充分、可靠,语言通顺,文字简练。
{4}文稿需要附200字以内的中文摘要、3~5个关键词。
{5}公式及正文的变量应使用斜体表示,并在第一次出现时给出具体含义,杜绝同一字母两种含义的现象。行文中需用到的公式应统一顺序编号。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社