| 基于维度加权的残差LSTM短期交通流量预测 |
| |
| 引用本文： | 李月龙,唐德华,姜桂圆,肖志涛,耿磊,张芳,吴骏.基于维度加权的残差LSTM短期交通流量预测[J].计算机工程,2019,45(6):1-5. |
| |
| 作者姓名： | 李月龙 唐德华 姜桂圆 肖志涛 耿磊 张芳 吴骏 |
| |
| 作者单位： | 天津工业大学计算机科学与技术学院,天津300387;天津市光电检测技术与系统重点实验室,天津300387;天津工业大学计算机科学与技术学院,天津300387;南洋理工大学计算机科学与工程学院,新加坡639798;天津市光电检测技术与系统重点实验室,天津300387;南洋理工大学计算机科学与工程学院,新加坡,639798;天津工业大学电子与信息工程学院,天津300387;天津市光电检测技术与系统重点实验室,天津300387 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;国家自然科学基金;天津市自然科学基金 |
| |
| 摘 要： | 基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题。为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布的数据端到端训练到残差LSTM网络中,同时在每个LSTM单元后引入维度加权单元,显式建模特征维度之间的相互依赖关系。实验结果表明,该方法能实现短期交通流量数据的自适应建模分析。
|
| 关 键 词： | 智能交通 短期交通流量预测 残差连接 长短期记忆网络 维度加权 |
Short Term Traffic Flow Forecasting Based on Dimension Weighted Residual LSTM |
| |
| LI Yuelong,TANG Dehua,JIANG Guiyuan,XIAO Zhitao,GENG Lei,ZHANG Fang,WU Jun.Short Term Traffic Flow Forecasting Based on Dimension Weighted Residual LSTM[J].Computer Engineering,2019,45(6):1-5. |
| |
| Authors: | LI Yuelong TANG Dehua JIANG Guiyuan XIAO Zhitao GENG Lei ZHANG Fang WU Jun |
| |
| Affiliation: | (School of Computer Science and Technology, Tianjin Polytechnic University,Tianjin 300387,China;School of Electronics and Information Engineering, Tianjin Polytechnic University,Tianjin 300387,China;School of Computer Science and Engineering, Nanyang Technological University,Singapore 639798,Singapore;Tianjin Key Laboratory of Optoelectronic Detection Technology and Systems,Tianjin 300387,China) |
| |
| Abstract: | LI Yuelong;TANG Dehua;JIANG Guiyuan;XIAO Zhitao;GENG Lei;ZHANG Fang;WU Jun(School of Computer Science and Technology, Tianjin Polytechnic University,Tianjin 300387,China;School of Electronics and Information Engineering, Tianjin Polytechnic University,Tianjin 300387,China;School of Computer Science and Engineering, Nanyang Technological University,Singapore 639798,Singapore;Tianjin Key Laboratory of Optoelectronic Detection Technology and Systems,Tianjin 300387,China) |
| |
| Keywords: | intelligent transportation short term traffic flow forecasting residual connection Long Short Term Memory(LSTM) network dimension weighted |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
