|
|||||
|
|
| 基于注意力-长短期记忆模型的偶发性交通流异常检测 | |
| 引用本文： | 郑大庆,林陈威,王昺杰. 基于注意力-长短期记忆模型的偶发性交通流异常检测[J]. 同济大学学报(自然科学版), 2023, 51(6): 923-931 |
| 作者姓名： | 郑大庆 林陈威 王昺杰 |
| 作者单位： | 1.上海财经大学 信息管理与工程学院，上海 200433;2.复旦大学 经济学院，上海 200433 |
| 基金项目： | 国家社会科学基金（20BGL287）；上海市智能信息处理实验室开放基金（IIPL201903） |
| 摘 要： | 提出了基于注意力（attention）机制的LSTM(long short-term memory)交通异常检测模型，并利用整体交通网格点数据对交通流量进行异常检测。模拟数据集的验证结果表明，Attention-LSTM预测模型具有较好的检测效果；SKAB(skoltech anomaly benchmark)公开数据集进一步检验了模型的检测能力。以上海市出租车GPS实时数据代表实时交通流状况，对交通流异常进行检测，并对检测结果进行了分析，验证了Attention-LSTM模型的有效性。 |
| 关 键 词： | 交通流量异常检测 偶发异常 注意力机制 长短期记忆 |
| 收稿时间： | 2022-02-22 |
Traffic Flow Occasional Anomaly Detection Based on Attention-LSTM Model |
|
| ZHENG Daqing,LIN Chenwei,WANG Bingjie. Traffic Flow Occasional Anomaly Detection Based on Attention-LSTM Model[J]. Journal of Tongji University(Natural Science), 2023, 51(6): 923-931 | |
| Authors: | ZHENG Daqing LIN Chenwei WANG Bingjie |
| Abstract: | |
| Keywords: | traffic flow anomaly detection occasional anomaly, attention mechanism long short-term memory (LSTM) |
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《同济大学学报(自然科学版)》下载全文 | |