典型文献
一种基于深度学习和元学习的出行时间预测方法
文献摘要：
出行时间预测是智慧交通系统中的一项基本任务,因其时空关系复杂且易受到外部因素影响而充满了挑战性.为了获得准确的预测结果,提出一种将深度学习与元学习结合进行出行时间预测的方法.该方法由时空网络模型和元学习框架组成,时空网络模型利用卷积神经网络和门控循环单元同时对轨迹及周边区域的交通状况进行时空信息的提取,元学习框架则用于从其他城市学习时空网络模型的通用初始化参数,并将其应用在目标城市中.在两个真实数据集上进行了实验,实验结果证明提出的方法优于现有方法.
文献关键词：
出行时间预测;深度学习;元学习;时空数据挖掘;GPS轨迹数据
中图分类号：
作者姓名：
罗思涵;杨燕
作者机构：
西南交通大学计算机与人工智能学院,成都,611756
文献出处：
引用格式：
[1]罗思涵;杨燕-.一种基于深度学习和元学习的出行时间预测方法)[J].南京大学学报（自然科学版）,2022(04):561-569
A类：
出行时间预测
B类：
元学习,智慧交通系统,基本任务,时空关系,外部因素,时空网络模型,门控循环单元,周边区域,交通状况,时空信息,学习时空,初始化,真实数据,时空数据挖掘,GPS,轨迹数据
AB值：
0.218795
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。
