典型文献
基于Softmax函数增强卷积神经网络-双向长短期记忆网络框架的交通拥堵预测算法
文献摘要：
对交通状态进行预测,需要准确识别和判断交通状态.基于道路自身的自由流速度,将具有不同速度等级的街道统一以旅行时间指数(travel time index,TTI)作为拥堵评价,相较于以车辆速度为基准的传统预测方法更能表现出道路的拥堵状态.提出了一种改进的深度学习预测模型(CS-BiLSTM),该模型基于卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM),并结合Softmax函数增强CNN提取出的交通空间特征信息.最后以成都市出租车的全球定位系统(global positioning system,GPS)数据进行验证.结果表明,所提出的CS-BiLSTM模型具有更高的准确性,其性能相比CNN-BiLSTM网络预测框架提升了13％.
文献关键词：
交通拥堵预测;旅行时间指数(TTI);卷积神经网络(CNN);Softmax函数;双向长短期记忆(BiLSTM)
中图分类号：
作者姓名：
陈悦;杨柳;李帅;刘恒;唐优华;郑佳雯
作者机构：
西南交通大学信息科学与技术学院,成都611756;综合交通大数据应用技术国家工程实验室,成都611756;西南交通大学唐山研究院,唐山063002;西南交通大学交通运输与物流学院,成都611756;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]陈悦;杨柳;李帅;刘恒;唐优华;郑佳雯-.基于Softmax函数增强卷积神经网络-双向长短期记忆网络框架的交通拥堵预测算法)[J].科学技术与工程,2022(29):12917-12926
A类：
B类：
Softmax,增强卷积神经网络,双向长短期记忆网络,网络框架,交通拥堵预测,预测算法,交通状态,准确识别,断交,自由流,道统,旅行时间,travel,TTI,拥堵评价,传统预测,出道,深度学习预测模型,CS,BiLSTM,convolutional,neural,networks,bidirectional,long,short,term,memory,交通空间,空间特征,特征信息,成都市,出租车,全球定位系统,global,positioning,system,GPS
AB值：
0.363929
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。
