基于Inception卷积神经网络的城市快速路行程速度短时预测

作     者：唐克双 陈思曲 曹喻旻 张锋鑫 TANG Keshuang;CHEN Siqu;CAO Yumin;ZHANG Fengxin

作者机构：同济大学道路与交通工程教育部重点实验室上海201804 连云港杰瑞电子有限公司智能交通事业部江苏连云港222061 

基　　金：国家自然科学基金(61673302) 

出 版 物：《同济大学学报（自然科学版）》 (Journal of Tongji University:Natural Science)

年 卷 期：2021年第49卷第3期

页      码：370-381页

摘      要：为了高效捕捉城市快速路复杂的交通拥堵特征,提升短时行程速度预测的准确性,以卷积神经网络为基础,结合Inception模块,构建行程速度短时预测模型。将行程速度信息按照时空关联关系组织为二维数据矩阵,以图像为特征学习对象,自动提取交通数据高维特征并学习多粒度复杂交通拥堵模式,通过系统的网络设计与测试训练得到模型最优结构参数和优化参数,结合回归分析方法与梯度幅度相似性偏差指标,综合评价模型性能。实证结果表明,模型提取行程速度数据时序特征和时空演化特征能力较强,预测准确性较高,可进一步应用于其他交通参数的短时预测。

主 题 词：交通工程 行程速度短时预测 卷积神经网络 城市快速路 Inception模块 

学科分类：08[工学] 082303[082303] 082302[082302] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.11908/j.issn.0253-374x.20242

馆 藏 号：203102627...