版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
作者机构:南京邮电大学物联网学院江苏南京210003 南京邮电大学江苏省宽带无线通信和物联网重点实验室江苏南京210003
出 版 物:《计算机技术与发展》 (Computer Technology and Development)
年 卷 期:2022年第32卷第10期
页 面:175-181页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(61872423) 江苏省研究生科研与实践创新计划项目(KYCX20_0770) 江苏省大学生实践创新训练项目(SYB2020035)
主 题:交通流 卷积神经网络 残差自校验网络 多尺度特征 门控循环单元
摘 要:随着出租车和网约车的日益普及,GPS数据生成大量的时空视频流数据,对城市交通流预测提供坚实的数据价值。传统城市流量预测方法存在精度低,目标区域受周围区域影响等问题。卷积神经网络在交通流预测上表现出色,但仍存在目标区域受全局信息的干扰、低层网络的特征表征能力弱及高层下采样损失过多特征等问题。该文提出一种基于卷积神经网络(Convolutional Neural Network,CNN)与多尺度融合机制的交通流预测模型MS-RSCNet(Multi-scale Residual Self Checking Network)。该模型采用了一种残差自校验网络(Residual Self Checking Network,RSCNet)结构,并引入融合多尺度特征的双向门控循环单元设计方案。通过公开数据集对交通流预测性能进行测试验证,相较于ST-ResNet、ARIMA、STAR等模型,MS-RSCNet模型具有更优的交通流预测性能。