作者:张威威; 李瑞敏; 谢中教交通工程lstm旅行时间预测空间相关性深度学习
摘要:城市道路旅行时间预测是城市智能交通系统的重要支撑。选择深度学习中的四种长短期记忆神经踊络(LongShort-TermMemory,LSTM)架构进行道路旅行时闻姆预溅,固定LSTM隐藏层的节点数以确定模型的最佳输入长度:固定模型的输入长度.分别测试在不同的隐藏层节点数和考虑空间相关性的条件下四种LSTM模型的预铡性能:将空间LSTM模型与传统BPfBackPropagation)神经网络等四种模型进行了对比和分析。结果表明相对于其他四种模型,考虑空间相关性的LSTM模型具有更好的拟合和训练能力。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社