计算机工程

作者：李月龙, 唐德华, 姜桂圆, 肖志涛, 耿磊, 张芳, 吴骏

单位：1. 天津工业大学 a.计算机科学与技术学院; b.电子与信息工程学院,天津 3003872. 南洋理工大学 计算机科学与工程学院,新加坡 6397983. 天津市光电检测技术与系统重点实验室,天津 300387

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

基金：国家自然科学基金(61771340,61302127,61601325);天津市自然科学基金(18JCYBJC15300)

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。

来源：2019年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第6期