-
题名基于GRU递归神经网络的城市道路超车预测
被引量：5
- 1
-
-
作者
王浩
黄美鑫
武志薪
鞠建敏
-
机构
上海应用技术大学计算机科学与信息工程学院
-
出处
《中国科技论文》
CAS
北大核心
2019年第3期285-290,共6页
-
文摘
城市道路中的超车行为尤其是违规超车等,对交通秩序与安全造成严重影响。随着电子警察与卡口等车牌识别系统的广泛应用,通过上下游车牌识别与时间对比,可以较为精确地获取车辆在路段之间的超车关系。基于电子警察处理的超车数据建立了基于GRU递归神经网络的城市道路超车率预测模型,预测城市道路超车率的变化趋势,并与循环神经网络(recurrent neural network,RNN)、反向传播(back propagation,BP)神经网络进行对比。在苏州工业园区星湖街-现代大道路段的测试结果表明,基于GRU递归网络的超车预测模型的绝对值误差为12.52%,相比于其他2种模型,精度高、泛化能力强、鲁棒性强。
-
关键词
深度递归神经网络
神经网络
超车预测
交通安全
-
Keywords
gated recurrent unit(GRU)
neural network
overtaking prediction
traffic safety
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
U491
[自动化与计算机技术—计算机科学与技术]
-
