期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于门限递归单元循环神经网络的交通流预测方法研究
被引量：
18
1
作者
王体迎
时
鹏
超
+2 位作者
刘蒋琼
刘博艺
时
天昊
《重庆交通大学学报（自然科学版）》
CAS
北大核心
2018年第11期76-82,共7页
为了有效地实施智能交通管理系统,需要进一步提高交通流量预测的准确率。提出了一种基于门限递归单元循环神经网络的短时交通流量预测方法,该方法可以不依靠先验知识,有效地利用"序列信息"建模。通过使用该方法对加拿大大不...
为了有效地实施智能交通管理系统,需要进一步提高交通流量预测的准确率。提出了一种基于门限递归单元循环神经网络的短时交通流量预测方法,该方法可以不依靠先验知识,有效地利用"序列信息"建模。通过使用该方法对加拿大大不列颠哥伦比亚省的真实交通流量数据进行建模分析,并对比了在不同滞后时间的输入数据下该方法的预测效果,然后将其与ARIMA和SVR的预测结果进行了对比,同时也展示了该方法在工作日和周末的实际预测效果。结果表明:该方法预测效果良好,其平均绝对百分误差比ARIMA与SVR分别平均降低了74.72%和12.15%,预测值和实际交通流量吻合度高,是一种预测精度高且有效的交通流量预测方法。
展开更多
关键词
交通运输工程
智能交通系统
交通流量预测
门限递归单元
递归神经网络
下载PDF
职称材料
题名
基于门限递归单元循环神经网络的交通流预测方法研究
被引量：
18
1
作者
王体迎
时
鹏
超
刘蒋琼
刘博艺
时
天昊
机构
海南大学机电工程学院
海南大学热带农林学院
海南大学信息科学技术学院
山东科技大学交通学院
出处
《重庆交通大学学报（自然科学版）》
CAS
北大核心
2018年第11期76-82,共7页
基金
海南省自然科学基金项目(20155212)
文摘
为了有效地实施智能交通管理系统,需要进一步提高交通流量预测的准确率。提出了一种基于门限递归单元循环神经网络的短时交通流量预测方法,该方法可以不依靠先验知识,有效地利用"序列信息"建模。通过使用该方法对加拿大大不列颠哥伦比亚省的真实交通流量数据进行建模分析,并对比了在不同滞后时间的输入数据下该方法的预测效果,然后将其与ARIMA和SVR的预测结果进行了对比,同时也展示了该方法在工作日和周末的实际预测效果。结果表明:该方法预测效果良好,其平均绝对百分误差比ARIMA与SVR分别平均降低了74.72%和12.15%,预测值和实际交通流量吻合度高,是一种预测精度高且有效的交通流量预测方法。
关键词
交通运输工程
智能交通系统
交通流量预测
门限递归单元
递归神经网络
Keywords
traffic and transportation engineering
intelligent transportation system
traffic flow prediction
gated recurrent unit
recurrent neural network
分类号
U491 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于门限递归单元循环神经网络的交通流预测方法研究
王体迎
时
鹏
超
刘蒋琼
刘博艺
时
天昊
《重庆交通大学学报（自然科学版）》
CAS
北大核心
2018
18
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
