首页> 中文期刊> 《北京信息科技大学学报(自然科学版)》 >基于GRU-RNN模型的城市主干道交通时间预测

基于GRU-RNN模型的城市主干道交通时间预测

         

摘要

cqvip:交通旅行时间是研究交通路况的重要指标之一,对其精确预估是城市道路交通管理的重要依据。针对交通旅行时间序列数据,应用GRU结构的递归神经网络,构建城市主干道交通旅行时间预测模型。根据实际路网数据的时间相关性重构交通旅行时间序列,结合时间序列的趋势特性完成对数据的清洗以及缺失值的补齐。使用基于TensorFlow为后端的Keras框架完成基于GRU结构的循环神经网络的结构搭建和精细调参,使用路网实测数据进行模型的训练和验证,根据验证结果选择优化参数,使模型的训练时间水平得到提升。仿真实验证明其所采用的模型相对于基于LSTM结构的时间序列模型收敛速度更快。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号