基于深度学习的短时交通量预测研究综述

论文摘要

短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义。传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出更精准的预测,这也使得深度学习成为当前短时交通量预测领域的研究热点。文中首先介绍了传统交通量预测方法和深度学习的研究现状;然后按照生成型和判别型深度结构对现有基于深度学习的短时交通量预测方法进行分类,并总结了深度学习在短时交通量预测研究领域的主要方法,对其性能进行了对比研究;最后对深度学习在短时交通量预测领域存在的问题和发展趋势进行了探讨。

论文目录

• 1 引言
• 2 传统短时交通量预测方法
•   2.1 参数模型
•   2.2 非参数模型
• 3 基于深度学习的短时交通量预测方法
•   1) 生成型深度结构。
•   2) 判别型深度结构。
•   3) 混合型深度结构。
•     3.1 生成型深度结构
•       3.1.1 深度信念网络
•       3.1.2 自编码器及其扩展模型
•     3.2 判别型深度结构
•       3.2.1 循环神经网络及其扩展模型
•       3.2.2 卷积神经网络
• 4 模型性能评价指标
• 5 结论和展望

文章来源

类型: 期刊论文

作者: 代亮,梅洋,钱超,孟芸,吕金明

关键词: 短时交通量预测,交通控制与管理,深度学习,生成型深度结构,判别型深度结构

来源: 计算机科学 2019年03期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,自动化技术

单位: 长安大学电子与控制工程学院,IBM中国系统与科技开发中心

基金: 国家自然科学基金(61701044),中国博士后特别资助项目(2015T80998),陕西省自然科学基金(2016JQ6067),陕西省博士后科研项目(2014-074),IBM公司合作项目(SOWCHD201610)资助

分类号: TP181;U491.14

页码: 39-47

总页数: 9

文件大小: 1452K

下载量: 762