基于深度学习的短时交通流预测_罗向龙.pdf

《基于深度学习的短时交通流预测_罗向龙.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第34卷第1期计算机应用研究Vol.34No.12017年1月ApplicationＲesearchofComputersJan．2017*基于深度学习的短时交通流预测罗向龙，焦琴琴，牛力瑶，孙壮文(长安大学信息工程学院，西安710064)摘要:针对现有预测方法未能充分揭示交通流内部的本质规律，提出了一种基于深度学习的短时交通流预测方法。该方法结合深度信念网路模型(DBN)与支持向量回归分类器(SVＲ)作为预测模型，利用差分去除交通流数据的趋势向，用深度信念网络模型进行交通流特征学习，在网络顶层连接支持

2、向量回归模型进行流量预测。实际交通流数据测试结果表明，提出的预测模型与传统预测模型相比具有更高的预测精度，预测性能提高了18．01%，是一种有效的交通流预测方法。关键词:交通流预测;深度学习;短时交通流;支持向量回归中图分类号:TP181文献标志码:A文章编号:1001-3695(2017)01-0091-03doi:10．3969/j．issn．1001-3695．2017．01．018Short-termtrafficflowpredictionbasedondeeplearningLuoXiang

3、long，JiaoQinqin，NiuLiyao，SunZhuangwen(SchoolofInformationEngineering，Chang’anUniversity，Xi’an710064，China)Abstract:Inviewoftheexistingpredictionmethodsfailtofullyrevealthenatureofthetrafficflow，thispaperproposedashort-termtrafficflowpredictionmodelbasedon

4、deeplearning．Themethodcombinedthedeepbeliefnetwork(DBN)modelandsupportvectorregression(SVＲ)classifieraspredictivemodel．Itremovedthetrendofthetrafficflowbyusingdatadiffe-rence，extractedtrafficflowfeaturesbydeepbeliefnetworkmodel，carriedandthetrafficflowpre

5、dictionoutwithsupportvectorregressioninthetoplevelofthenetwork．Experimentresultswithactualtrafficflowdatashowthattheproposedmethodhasahigheraccuracycomparedwithothers，predictionperformanceincreasesby18．01%，anditisaneffectivetrafficflowpredictionmethod．Key

6、words:trafficflowprediction;deeplearning;short-termtrafficflow;supportvectorregression了历史流量之间的相关性，将三种不同预测模型相结合来进行0引言［5］短时交通流预测;Kumar等人应用了人工神经网络的短时交通流预测模型。这些预测模型虽然提高了预测的精确性，但都交通流预测是交通管理和控制部门采取交通诱导措施的主要依据，是智能交通系统研究的核心问题。为了更好地实时只是在传统预测模型的基础上进行了改进，而没有考虑道路网性反映

7、交通状态，基于短时交通流量预测模型的研究成为近几络当中交通状况之间的时间—空间相关性。［6］十年来流量预测研究的重点。随着新技术的不断发展及智能为了更好地反映交通状况，Yang等人提出了一种基于［7］化系统的广泛应用，对于大数据的处理和交通预测模型的精度空间关系的最小二乘支持向量回归预测模型;Xu等人提出提出了更高的要求。实时、准确的交通流预测，可以有效地提基于时空特性的贝叶斯多元回归自适应样条模型进行交通流［8］高交通的通行效率和安全性，并且方便管理部门主动进行交通预测，该模型具有更强的可解释性和适应性

8、;李颖宏等人考规划，并采取合理的交通诱导措施。虑了交通流的时间空间性，提出了基于组合模型的交通流预［9］已有的短时交通流预测模型主要有基于时间序列的统计测;Wu等人提出了短期交通流预测的改进K-近邻预测模模型、概率图形模型、非参数预测模型和混合组合模型等。型，并且针对预测的不同节点和不同时段检验其适用性。然而［1］Xue等人在混沌时间序列分析方法的基础上，提出了一种两对于改进的这些算法虽然考虑了交通流之间的时间—空间特步优化选