计算机技术与发展2022，Vol.32Issue(10) ：175-181.DOI:10.3969/j.issn.1673-629X.2022.10.029

基于CNN与多尺度特征融合的城市交通流预测模型

An Urban Traffic Flow Prediction Model Based on CNN and Multi-scale Feature Fusion

殷齐 丁飞 朱跃 李静宜 沙宇晨
计算机技术与发展2022，Vol.32Issue(10) ：175-181.DOI:10.3969/j.issn.1673-629X.2022.10.029
✕
  • 维普
  • 万方数据

基于CNN与多尺度特征融合的城市交通流预测模型

An Urban Traffic Flow Prediction Model Based on CNN and Multi-scale Feature Fusion

殷齐 1丁飞 1朱跃 1李静宜 2沙宇晨1
扫码查看

作者信息

  • 1. 南京邮电大学 物联网学院,江苏 南京 210003;南京邮电大学 江苏省宽带无线通信和物联网重点实验室,江苏 南京 210003
  • 2. 南京邮电大学 物联网学院,江苏 南京 210003
  • 折叠

摘要

随着出租车和网约车的日益普及,GPS数据生成大量的时空视频流数据,对城市交通流预测提供坚实的数据价值.传统城市流量预测方法存在精度低,目标区域受周围区域影响等问题.卷积神经网络在交通流预测上表现出色,但仍存在目标区域受全局信息的干扰、低层网络的特征表征能力弱及高层下采样损失过多特征等问题.该文提出一种基于卷积神经网络(Convolutional Neural Network,CNN)与多尺度融合机制的交通流预测模型MS-RSCNet(Multi-scale Residual Self Checking Network).该模型采用了一种残差自校验网络(Residual Self Checking Network,RSCNet)结构,并引入融合多尺度特征的双向门控循环单元设计方案.通过公开数据集对交通流预测性能进行测试验证,相较于ST-ResNet、ARIMA、STAR等模型,MS-RSCNet模型具有更优的交通流预测性能.

关键词

交通流/卷积神经网络/残差自校验网络/多尺度特征/门控循环单元

引用本文复制引用

基金项目

国家自然科学基金(61872423)

江苏省研究生科研与实践创新计划(KYCX20_0770)

江苏省大学生实践创新训练项目(SYB2020035)

出版年

2022
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量2
参考文献量4
段落导航相关论文