Indexed by：
Abstract：
一种基于三阶段模型的短时交通流预测方法属于智能交通系统领域，本发明提出了VMD‑GCN‑GRU模型，实现对交通数据的短时预测。与现有的短时交通流预测方法相比，通过对路网交通数据进行变分模态分解(Var i at i ona lMode Decompos it i on，VMD), 可以削弱大部分噪声，有效降低原始信号的非平稳性，分解得到多组本征模态函数(I ntr i ns i c Mode Funct i on，I MF)和残差，把分解后的具有相似中心频率的I MF和残差依次输入GCN与GRU模型中进行预测，将得到的预测结果进行重构，从而得到最终的预测结果。实验表明，基于VMD‑GCN‑GRU模型的预测精度相比于其它深度学习预测方法有了较大的提升。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202110153458.0
Filing Date： 2021-02-04
Publication Date： 2021-05-14
Pub. No.： CN112801386A
Applicants： 北京工业大学
Legal Status： 实质审查
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： 4
