典型文献
基于生成对抗网络的交通流参数实时估计模型
文献摘要：
为有效调控道路网时空资源,需实时估计交通流参数.若要准确估计交通流参数,应详细考虑道路网交通流时空特征.本文基于生成对抗网络,提出一种能捕捉交通流时空特征的实时估计模型,即TSTGAN模型.该模型包括生成器和判别器两部分,生成器利用门控卷积神经网络捕捉交通流的动态空间特征,使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征;采用门控卷积神经网络与长短期记忆神经网络构建判别器;通过对抗方式训练生成对抗网络的生成器与判别器,实时获得交通流参数估计值.使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据,验证TSTGAN模型的可靠性.结果表明,TSTGAN模型引入的时空模块能有效提取交通流的时空特征,所得均方根误差和平均绝对误差比现有模型分别降低2.12％～42.41％和1.66％～40.49％,证明所提TSTGAN模型可以提高交通流参数的估计精度.
文献关键词：
智能交通;生成对抗网络;深度学习;交通流参数;时空特征
中图分类号：
作者姓名：
姚荣涵;王荣贇;张文松;叶劲松;孙锋
作者机构：
大连理工大学,交通运输学院,辽宁大连116024;交通运输部科学研究院,综合交通运输大数据应用技术交通运输行业重点实验室,北京100029;山东理工大学,交通与车辆工程学院,山东淄博255049
文献出处：
引用格式：
[1]姚荣涵;王荣贇;张文松;叶劲松;孙锋-.基于生成对抗网络的交通流参数实时估计模型)[J].交通运输系统工程与信息,2022(03):158-167
A类：
TSTGAN
B类：
生成对抗网络,交通流参数,实时估计,有效调控,道路网,时空资源,若要,路网交通流,流时,时空特征,生成器,判别器,门控卷积神经网络,动态空间,空间特征,注意力机制,长短期记忆神经网络,时间特征,卷积神经网络与长短期记忆,网络构建,参数估计,估计值,淄博市,卡口,美国加州,洛杉矶市,线圈,检测器,交通流量,流量数据,有效提取,平均绝对误差,现有模型,估计精度,智能交通
AB值：
0.245409
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。
