考虑区域占有率的RTCN路内停车泊位预测模型

扫码查看

原文链接

万方数据
维普

中文摘要：针对汽车停车过程中反复寻泊产生无效交通量这一问题,以向公众提供准确的实时及预测的停车位信息为目标,考虑到当前卷积神经网络(CNN)和递归神经网络(RNN)在空闲泊位短时预测的研究中存在的缺陷,同时为了解决路内停车样本数过少的问题,将RAdam算子引入TCN模型中,其中,TCN模型用于提取空闲泊位的时间特征,RAdam算子用于解决停车样本数过少的不足.为了解决空闲泊位数预测空间特征提取,在分析区域占有率和空闲泊位数相关关系的基础上,提出考虑区域占有率的RTCN短时空闲泊位数预测模型,最后以广东省深圳市南山区的路内停车路段为例进行分析.结果表明:RTCN模型的训练时间远远低于LSTM和GRU模型,并且均方根误差和平均绝对误差也低于LSTM和GRU模型,将区域占有率引入RTCN模型后,预测精度得到进一步提升,本文提出的模型不仅有效降低了预测误差还提高了模型的训练速度.

外文标题：RTCN curb parking space prediction model considering regional occupancy

作者：

徐建闽、朱琳聪、马莹莹

展开 >

作者单位：

华南理工大学土木与交通学院,广东广州510640

关键词：

空闲泊位数预测 TCN神经网络 RAdam 区域占有率

基金：

国家自然科学基金国家自然科学基金广东省科技计划中央高校基本科研业务费专项

项目编号：

52072129618730982016A0303050012018KZ17

出版年：

2022

DOI：

10.13624/j.cnki.issn.1001-7445.2022.0112

广西大学学报(自然科学版)

广西大学

广西大学学报(自然科学版)

CSTPCD北大核心

影响因子：0.767

ISSN：1001-7445

年,卷(期)：2022.47(1)

参考文献量4