关键词：短时交通流量 双向门控循环单元 时空特征 周期性特征 

摘要：新一代智能交通系统的智能出行、交通大数据智能化决策需要精准及时的短时交通流量预测,深度学习通过机器学习技术自身产生特征,可为短时交通流量预测提供解决方法。以深度学习模型为基础,提出一种结合Conv-GRU和Bi-GRU的短时交通流量预测方法,利用卷积-门控循环单元提取交通流量的时空特征,通过双向门控循环单元提取交通流量的周期特征,将提取的特征进行融合得到交通流量的预测值。实验结果表明,该方法能够准确地预测短时交通流量,与Conv-LSTM方法相比,收敛速度较快,具有更短的运行时间。

计算机工程杂志要求:

{1}文献按作者姓氏的第一个字母依A－Z顺序分中、英文两部分排列，中文文献在前，英文文献在后。引文中的英文书名及期刊名用斜体，论文题目写入“”号内。

{2}来稿应是未以任何形式公开发表过的论文，亦不接受一稿多投的文章。稿件寄出1个月未接到本刊通知即可自行处理。

{3}本刊已许可中国知网以数字化方式复制、汇编、发行、信息网络传播本刊全文。如有异议，请在投稿时说明，本刊将按作者说明处理。

{4}标题之下如“(1)(2)”和“①②”序数不分行显示。

{5}作者简介：第一作者姓名（出生年月），性别，毕业院校及学位，职称，研究方向。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社