Indexed by：
Abstract：
一种基于深度学习的短时交通流预测方法属于交通预测领域。本发明首先使用卷积神经网络提取交通流的空间特征；然后使用引入注意力机制的门控循环单元提取时间特征，通过注意力机制计算不同时刻交通流特征的重要性，使模型更关注重要性大的特征；接着利用交通流数据的周期特性提取周期特征；最后融合所有特征进行预测。该方法解决了现有预测方法无法充分利用交通流数据时空特征的缺点，提高了交通流的预测精度，可以更好地解决短时交通流预测问题。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明授权
Patent No.： CN202010083361.2
Filing Date： 2020-02-09
Publication Date： 2021-01-05
Pub. No.： CN111210633B
Applicants： 北京工业大学
Legal Status： 授权
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 7
Affiliated Colleges：
