CapsNet融合D-BiLSTM的区域复杂路网交通速度预测

IR > 计算机与通信学院

	CapsNet融合D-BiLSTM的区域复杂路网交通速度预测
	曹洁1,2 ; 苏广 1; 张红1 ; 李鹏辉 1
	2023-02-24
发表期刊	吉林大学学报(工学版)
ISSN	1671-5497
页码	1-9
摘要	精准高效的短时交通预测在区域交通路网的研究中具有重要意义。然而，交通模式复杂和动态的时空相关性，导致现有方法在结构深度和预测尺度方面不足以学习交通演变，因此，本文提出一种结合胶囊网络(CapsNet)和深层双向LSTM(D-BiLSTM)的深度学习模型，采用CapsNet识别路网的空间拓扑结构并提取空间特征，融合D-BiLSTM网络，同时考虑交通状态的前向和后向依赖关系，捕获不同历史时期的双向时间相关性，对目标区域内大规模复杂路网的交通进行预测。在真实交通路网速度数据集上进行的实验表明，提出模型的预测精度平均提高了10%以上，优于其他方法，在区域复杂路网的交通预测中具有较高的预测精度和良好的鲁棒性。
关键词	胶囊网络深层双向LSTM 复杂路网后向依赖交通速度预测
URL	查看原文
收录类别	北大核心 ; EI ; CSCD
语种	中文
引用统计
文献类型	期刊论文
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/161424
专题	计算机与通信学院
作者单位	1.兰州理工大学计算机与通信学院; 2.兰州城市学院信息工程学院
第一作者单位	计算机与通信学院
第一作者的第一单位	计算机与通信学院
推荐引用方式 GB/T 7714	曹洁,苏广,张红,等. CapsNet融合D-BiLSTM的区域复杂路网交通速度预测[J]. 吉林大学学报(工学版),2023:1-9.
APA	曹洁,苏广,张红,&李鹏辉.(2023).CapsNet融合D-BiLSTM的区域复杂路网交通速度预测.吉林大学学报(工学版),1-9.
MLA	曹洁,et al."CapsNet融合D-BiLSTM的区域复杂路网交通速度预测".吉林大学学报(工学版) (2023):1-9.