| 基于随机失活的循环神经网络交通事件预测 |
| |
| 引用本文： | 刘伟,张晓蕾,孙士保,赵鹏程.基于随机失活的循环神经网络交通事件预测[J].计算机仿真,2021,38(6):78-82,87. |
| |
| 作者姓名： | 刘伟 张晓蕾 孙士保 赵鹏程 |
| |
| 作者单位： | 河南科技大学信息工程学院,河南洛阳471023;北京信息职业技术学院软件工程系,北京100018 |
| |
| 摘 要： | 智能交通是现代交通发展的前沿领域,交通事件预测是其中的一个研究热点.传统BP神经网络模型是交通事件分析中常用的模型分析方法之一,但易陷入局部极值,不适合处理长期且连续的交通事件数据.为解决上述问题,提出使用循环神经网络处理交通事件数据,利用循环神经网络模型的有限时间长度记忆优势,构建序列数据分类模型来训练数据,采用随机失活方法去除模型的过拟合问题,通过达拉斯地区的实际流量数据验证,将预测结果与传统BP神经网络模型方法作对比.实验对比结果表明,该综合算法在预测精度和损失值方面均有较明显提升,验证了方法的有效性.
|
| 关 键 词： | 交通事件预测 循环神经网络 序列数据 随机失活 |
The Forecast of the Traffic Event of the Recurrent Neural Network Based on the Random Deactivation |
| |
| LIU Wei,ZHANG Xiao-lei,SUN Shi-bao,ZHAO Peng-cheng.The Forecast of the Traffic Event of the Recurrent Neural Network Based on the Random Deactivation[J].Computer Simulation,2021,38(6):78-82,87. |
| |
| Authors: | LIU Wei ZHANG Xiao-lei SUN Shi-bao ZHAO Peng-cheng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
