APP下载

基于深度学习的高精度交通流量大数据预测①

2022-08-04周思吉钱真坤

西南师范大学学报(自然科学版) 2022年8期
关键词:模型

周思吉, 钱真坤

1.四川文理学院 信息化建设与服务中心, 四川 达州 635000; 2.四川文理学院 后勤服务处, 四川 达州 635000

大数据时代下的智慧城市, 交通数据增长迅速, 给交通管理带来很大压力, 将传感技术、 图像、 控制技术等集成运用到管理系统的智能交通系统(Intelligent Transportation System, ITS)应运而生[1-2]. 交通预测对于ITS、 交通管理部门和旅行者来说必不可少, 采用最先进的机器学习算法对大流量数据集进行研究, 设计可靠的驾驶员支持系统, 可以避免致命事故的发生[3-4]. 在交通监控等实时应用中, 需要处理大量的数据, 由于不同位置的非线性时间动态特性、 复杂的空间相关性和更广泛的步长预测, 使交通预测成为一项具有挑战性的任务. 为了适应这些情况, 需要高效的可视化和数据挖掘技术来预测和分析海量的交通大数据[5-6].

文献[7]提出一种用于处理大传感器数据的收敛模型, 该模型包括使用雾、 云和移动计算技术的3层, 在收敛模型框架内实现了用于数据处理的多主体方法. 文献[8]提出基于大数据技术的软件定义网络(Software Defined Network, SDN)流量监控方法, 该方法使用计数器来收集和生成流量统计信息. 近几年来, 深度学习吸引了许多研究者将其应用到交通相关领域, 为了有利于道路信息的获取, 利用深度学习算法对交通流模式进行分层设计, 提取有用信息. 文献[9]提出一种长期短期记忆深度模型的交通预测方法, 能够提取精确的潜在空间相关性, 提高预测精度. 文献[10]提出一种改进……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用