融合多维时空特征的交通流量预测模型 |
| |
作者姓名: | 宋瑞蓉 王斌君 仝鑫 刘文懋 |
| |
作者单位: | 中国人民公安大学信息网络安全学院,北京100038;绿盟科技集团股份有限公司,北京100089 |
| |
基金项目: | 国家社会科学基金重点项目(20AZD114);公安部科技强警基础工作专项(2018GABJC03)(公安部科技强警基础工作专项项目);CCF-绿盟科技“鲲鹏”科研基金(CCF-NSFOCUS 2020011)。 |
| |
摘 要: | 为了精准预测交通流量,充分提取交通流中复杂的线性和非线性特征及其依赖关系,提出了融合多维时空特征的CLABEK模型。其中,由Conv-LSTM、BiLSTM和Dense神经网络分别提取时空特征、周期特征和额外特征(节假日、天气状况以及温度等),并通过将上述模型融合从而全面获取交通流的非线性特征;由卡尔曼滤波提取交通流的线性特征。在公开数据集上的对比实验证明,CLABEK模型在短期交通流预测任务上表现出最好的预测效果。
|
关 键 词: | 交通流量 时空融合 神经网络 卡尔曼滤波 |
收稿时间: | 2021-02-22 |
修稿时间: | 2021-08-25 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载免费的PDF全文 |
|