典型文献
基于深度学习的高精度交通流量大数据预测
文献摘要：
为了高效预测分析海量交通大数据,提高道路通行率和城市交通的智能化水平,提出一种高精度基于深度学习的并行卷积神经网络交通流量大数据预测模型.该模型首先对数据进行预处理以获得有效数据集,将具有规则时间间隔的一维时间序列样本和图像转换为时间一维、位置一维的二维像素网格,构建并行卷积神经网络模型用于对通过某路段的交通流量进行预测,并应用预测因子对交通量流数据进行建模.实验结果表明,与其他模型相比,本文提出的模型在平均绝对误差、平均相对误差和均方根误差方面均优于所对比的方法.
文献关键词：
交通数据可视化;并行卷积神经网络;深度学习;交通流量预测
中图分类号：
作者姓名：
周思吉;钱真坤
作者机构：
四川文理学院信息化建设与服务中心,四川达州635000;四川文理学院后勤服务处,四川达州635000
文献出处：
引用格式：
[1]周思吉;钱真坤-.基于深度学习的高精度交通流量大数据预测)[J].西南师范大学学报（自然科学版）,2022(08):9-15
A类：
交通数据可视化
B类：
流量大数据,大数据预测,预测分析,交通大数据,道路通行,城市交通,智能化水平,并行卷积神经网络,得有,有效数据,时间间隔,和图像,图像转换,像素,卷积神经网络模型,路段,预测因子,交通量,流数据,平均绝对误差,平均相对误差,交通流量预测
AB值：
0.260352
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
