典型文献
基于深度时空残差网络的路网短时交通流预测
文献摘要：
针对城市路网短时交通流预测受到许多复杂因素的影响,提出一种基于深度时空残差网络的路网短时交通流预测模型DST-ResNet(deep spatio-temporal residual network).针对时空数据的两个独特属性邻近性和周期性分别设计相应的残差网络分支,通过为两个分支中相同的道路分配不同的权重动态聚合两个分支网络的输出,调整时空属性对不同路段交通流预测的影响程度,将两个残差网络的聚合结果与外部因素进行融合.通过选择RMSE和R2为模型的评价指标进行实验验证,该DST-ResNet模型相较主流的LSTM模型具有更高的有效性和可行性.
文献关键词：
交通流预测;时空数据处理;深度学习;残差网络;网络融合
中图分类号：
作者姓名：
丁新宇;施佺
作者机构：
南通大学 信息科学技术学院,江苏 南通 226019;南通大学 交通与土木工程学院,江苏 南通 226019
文献出处：
引用格式：
[1]丁新宇;施佺-.基于深度时空残差网络的路网短时交通流预测)[J].计算机工程与设计,2022(02):316-322
A类：
B类：
残差网络,短时交通流预测,城市路网,DST,ResNet,deep,spatio,temporal,residual,network,独特属性,邻近性,过为,动态聚合,分支网,时空属性,同路,路段,外部因素,RMSE,时空数据处理,网络融合
AB值：
0.337481
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。
