基于维度加权的残差LSTM短期交通流量预测

计算机工程杂志|李月龙; 唐德华; 姜桂圆; 肖志涛; 耿磊; 张芳; 吴骏 天津工业大学计算机科学与技术学院; 天津300387; 天津工业大学电子与信息工程学院; 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

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
【收 录】
  • 国家图书馆馆藏
  • 上海图书馆馆藏
  • 维普收录(中)
  • CSCD 中国科学引文数据库来源期刊(含扩展版)
  • CA 化学文摘(美)
  • 哥白尼索引(波兰)
  • Pж(AJ) 文摘杂志(俄)
  • 知网收录(中)
  • 万方收录(中)
  • 北大期刊(中国人文社会科学期刊)
  • JST 日本科学技术振兴机构数据库(日)
  • 统计源期刊(中国科技论文优秀期刊)
  • 文摘杂志

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:计算机工程

期刊级别:北大期刊

期刊人气:27425