计算机工程

作者：闫杨, 孙丽珺, 朱兰婷

单位：青岛科技大学 信息科学技术学院, 山东 青岛 266061

关键词：短时交通流量,卷积-门控循环单元,双向门控循环单元,时空特征,周期性特征

基金：国家自然科学基金（61671261）；国家自然科学基金青年基金（61802217）。

新一代智能交通系统的智能出行、交通大数据智能化决策需要精准及时的短时交通流量预测，深度学习通过机器学习技术自身产生特征，可为短时交通流量预测提供解决方法。以深度学习模型为基础，提出一种结合Conv-GRU和Bi-GRU的短时交通流量预测方法，利用卷积-门控循环单元提取交通流量的时空特征，通过双向门控循环单元提取交通流量的周期特征，将提取的特征进行融合得到交通流量的预测值。实验结果表明，该方法能够准确地预测短时交通流量，与Conv-LSTM方法相比，收敛速度较快，具有更短的运行时间。

来源：2020年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第1期