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
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：
基于差分数据图和深度学习的短时交通流预测 被引量：2
1
作者 张海静 姚博彬 武奇生 《工业仪表与自动化装置》 2020年第2期3-7,27,共6页
交通流量预测(TFP)是提高交通出行效率、减少智能交通系统(ITS)交通拥堵的重要问题。为了从交通流特征提取的角度提高TFP精度,该文提出了一种新的方法DG-CNN-SVR。该方法的基本思想依赖于2个方面:交通流数据趋势和不同工作日的细微差别... 交通流量预测(TFP)是提高交通出行效率、减少智能交通系统(ITS)交通拥堵的重要问题。为了从交通流特征提取的角度提高TFP精度,该文提出了一种新的方法DG-CNN-SVR。该方法的基本思想依赖于2个方面:交通流数据趋势和不同工作日的细微差别。因此,引入差分运算来消除趋势分量,然后构建交通数据图以帮助解释复杂特征。通过卷积神经网络(CNN)进行特征学习,并使用支持向量回归(SVR)进行交通流量预测。通过测试数据集的实验结果表明,所提出的TFP方法比单独使用CNN和SVR的情况更有效。 展开更多
关键词 交通流量预测 卷积神经网络 支持向量回归 数据差分 交通数据图
下载PDF
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
使用帮助 返回顶部