基于GRU-RNN模型的城市主干道交通時(shí)間預(yù)測(cè)
關(guān)鍵詞：城市交通 交通時(shí)間預(yù)測(cè) 時(shí)間序列 深度學(xué)習(xí)
摘要：交通旅行時(shí)間是研究交通路況的重要指標(biāo)之一,對(duì)其精確預(yù)估是城市道路交通管理的重要依據(jù)。針對(duì)交通旅行時(shí)間序列數(shù)據(jù),應(yīng)用GRU結(jié)構(gòu)的遞歸神經(jīng)網(wǎng)絡(luò),構(gòu)建城市主干道交通旅行時(shí)間預(yù)測(cè)模型。根據(jù)實(shí)際路網(wǎng)數(shù)據(jù)的時(shí)間相關(guān)性重構(gòu)交通旅行時(shí)間序列,結(jié)合時(shí)間序列的趨勢(shì)特性完成對(duì)數(shù)據(jù)的清洗以及缺失值的補(bǔ)齊。使用基于TensorFlow為后端的Keras框架完成基于GRU結(jié)構(gòu)的循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)搭建和精細(xì)調(diào)參,使用路網(wǎng)實(shí)測(cè)數(shù)據(jù)進(jìn)行模型的訓(xùn)練和驗(yàn)證,根據(jù)驗(yàn)證結(jié)果選擇優(yōu)化參數(shù),使模型的訓(xùn)練時(shí)間水平得到提升。仿真實(shí)驗(yàn)證明其所采用的模型相對(duì)于基于LSTM結(jié)構(gòu)的時(shí)間序列模型收斂速度更快。
北京信息科技大學(xué)學(xué)報(bào)·自然科學(xué)版雜志要求:
{1}所有引文均需核實(shí)無(wú)誤，文獻(xiàn)版本應(yīng)信實(shí)可靠。
{2}不同欄目字?jǐn)?shù)、格式要求不同，撰稿前請(qǐng)聯(lián)系編輯部。
{3}論文內(nèi)容應(yīng)接觸學(xué)科前沿，做到論點(diǎn)新穎、明確，論據(jù)充分、可靠，語(yǔ)言通順，文字簡(jiǎn)練。
{4}文稿需要附200字以內(nèi)的中文摘要、3~5個(gè)關(guān)鍵詞。
{5}公式及正文的變量應(yīng)使用斜體表示，并在第一次出現(xiàn)時(shí)給出具體含義，杜絕同一字母兩種含義的現(xiàn)象。行文中需用到的公式應(yīng)統(tǒng)一順序編號(hào)。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
