基于空洞-稠密网络的交通拥堵预测模型

基于空洞-稠密网络的交通拥堵预测模型

TP391%U495; 在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首先,利用空洞卷积用较少的网络参数获取更大感受野的特点,充分提取出复杂多变的数据时空特征.其次,通过下采样及稠密网络的等值映射,解决参数在神经网络层数增加过程出现退化的问题.最后,取实际的城市道路平均车速数据块对网络结构的有效性进行验证.结果表明:同卷积神经网络模型相比,该网络结构预测平均绝对误差降低3％?23％....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:上海交通大学学报 2021-02, Vol.55 (2), p.124-130
Hauptverfasser: 石敏, 蔡少委, 易清明
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 130
container_issue 2
container_start_page 124
container_title 上海交通大学学报
container_volume 55
creator 石敏
蔡少委
易清明
description TP391%U495; 在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首先,利用空洞卷积用较少的网络参数获取更大感受野的特点,充分提取出复杂多变的数据时空特征.其次,通过下采样及稠密网络的等值映射,解决参数在神经网络层数增加过程出现退化的问题.最后,取实际的城市道路平均车速数据块对网络结构的有效性进行验证.结果表明:同卷积神经网络模型相比,该网络结构预测平均绝对误差降低3％?23％.
doi_str_mv 10.16183/j.cnki.jsjtu.2020.99.009
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_shjtdxxb202102004</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>shjtdxxb202102004</wanfj_id><sourcerecordid>shjtdxxb202102004</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1044-ea41e576778b0bb106c372bc79917daf3a40a58be90b2e8a114a79e099d2422c3</originalsourceid><addsrcrecordid>eNotj7tKA0EUQKdQMMR8hKXFjvfOzM7slBJ8QcBG6zCzD80qKzgJprQINguCbZAkikKsbEyz4t9kd8lfGNDqdOdwCNlBoCgx4HspDbOrHk1d2h9QBgyo1hRAb5AGAkiPCam2SMu5ngUfuVSBhAYR5bRYFo_1R1F9Tbx6Pis_H-qfp_r7uR6PlsXb6n5c5e_lbLF6HVWLvJq_lJN8m2wm5trFrX82yfnhwVn72OucHp209zueQxDCi43A2FdSqcCCtQgy5IrZUGmNKjIJNwKMH9hYg2VxYBCFUToGrSMmGAt5k-z-ee9MlpjsopveDG6zdbHrLtN-NBza9SeuV0HwX_YWXNk</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于空洞-稠密网络的交通拥堵预测模型</title><source>DOAJ Directory of Open Access Journals</source><source>Alma/SFX Local Collection</source><creator>石敏 ; 蔡少委 ; 易清明</creator><creatorcontrib>石敏 ; 蔡少委 ; 易清明</creatorcontrib><description>TP391%U495; 在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首先,利用空洞卷积用较少的网络参数获取更大感受野的特点,充分提取出复杂多变的数据时空特征.其次,通过下采样及稠密网络的等值映射,解决参数在神经网络层数增加过程出现退化的问题.最后,取实际的城市道路平均车速数据块对网络结构的有效性进行验证.结果表明:同卷积神经网络模型相比,该网络结构预测平均绝对误差降低3％?23％.</description><identifier>ISSN: 1006-2467</identifier><identifier>DOI: 10.16183/j.cnki.jsjtu.2020.99.009</identifier><language>chi</language><publisher>暨南大学信息科学技术学院,广州510632</publisher><ispartof>上海交通大学学报, 2021-02, Vol.55 (2), p.124-130</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/shjtdxxb/shjtdxxb.jpg</thumbnail><link.rule.ids>314,780,784,864,27923,27924</link.rule.ids></links><search><creatorcontrib>石敏</creatorcontrib><creatorcontrib>蔡少委</creatorcontrib><creatorcontrib>易清明</creatorcontrib><title>基于空洞-稠密网络的交通拥堵预测模型</title><title>上海交通大学学报</title><description>TP391%U495; 在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首先,利用空洞卷积用较少的网络参数获取更大感受野的特点,充分提取出复杂多变的数据时空特征.其次,通过下采样及稠密网络的等值映射,解决参数在神经网络层数增加过程出现退化的问题.最后,取实际的城市道路平均车速数据块对网络结构的有效性进行验证.结果表明:同卷积神经网络模型相比,该网络结构预测平均绝对误差降低3％?23％.</description><issn>1006-2467</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNotj7tKA0EUQKdQMMR8hKXFjvfOzM7slBJ8QcBG6zCzD80qKzgJprQINguCbZAkikKsbEyz4t9kd8lfGNDqdOdwCNlBoCgx4HspDbOrHk1d2h9QBgyo1hRAb5AGAkiPCam2SMu5ngUfuVSBhAYR5bRYFo_1R1F9Tbx6Pis_H-qfp_r7uR6PlsXb6n5c5e_lbLF6HVWLvJq_lJN8m2wm5trFrX82yfnhwVn72OucHp209zueQxDCi43A2FdSqcCCtQgy5IrZUGmNKjIJNwKMH9hYg2VxYBCFUToGrSMmGAt5k-z-ee9MlpjsopveDG6zdbHrLtN-NBza9SeuV0HwX_YWXNk</recordid><startdate>20210201</startdate><enddate>20210201</enddate><creator>石敏</creator><creator>蔡少委</creator><creator>易清明</creator><general>暨南大学信息科学技术学院,广州510632</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20210201</creationdate><title>基于空洞-稠密网络的交通拥堵预测模型</title><author>石敏 ; 蔡少委 ; 易清明</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1044-ea41e576778b0bb106c372bc79917daf3a40a58be90b2e8a114a79e099d2422c3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>online_resources</toplevel><creatorcontrib>石敏</creatorcontrib><creatorcontrib>蔡少委</creatorcontrib><creatorcontrib>易清明</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>上海交通大学学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>石敏</au><au>蔡少委</au><au>易清明</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于空洞-稠密网络的交通拥堵预测模型</atitle><jtitle>上海交通大学学报</jtitle><date>2021-02-01</date><risdate>2021</risdate><volume>55</volume><issue>2</issue><spage>124</spage><epage>130</epage><pages>124-130</pages><issn>1006-2467</issn><abstract>TP391%U495; 在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首先,利用空洞卷积用较少的网络参数获取更大感受野的特点,充分提取出复杂多变的数据时空特征.其次,通过下采样及稠密网络的等值映射,解决参数在神经网络层数增加过程出现退化的问题.最后,取实际的城市道路平均车速数据块对网络结构的有效性进行验证.结果表明:同卷积神经网络模型相比,该网络结构预测平均绝对误差降低3％?23％.</abstract><pub>暨南大学信息科学技术学院,广州510632</pub><doi>10.16183/j.cnki.jsjtu.2020.99.009</doi><tpages>7</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1006-2467
ispartof 上海交通大学学报, 2021-02, Vol.55 (2), p.124-130
issn 1006-2467
language chi
recordid cdi_wanfang_journals_shjtdxxb202102004
source DOAJ Directory of Open Access Journals; Alma/SFX Local Collection
title 基于空洞-稠密网络的交通拥堵预测模型
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-11T03%3A51%3A59IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E7%A9%BA%E6%B4%9E-%E7%A8%A0%E5%AF%86%E7%BD%91%E7%BB%9C%E7%9A%84%E4%BA%A4%E9%80%9A%E6%8B%A5%E5%A0%B5%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8B&rft.jtitle=%E4%B8%8A%E6%B5%B7%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5&rft.au=%E7%9F%B3%E6%95%8F&rft.date=2021-02-01&rft.volume=55&rft.issue=2&rft.spage=124&rft.epage=130&rft.pages=124-130&rft.issn=1006-2467&rft_id=info:doi/10.16183/j.cnki.jsjtu.2020.99.009&rft_dat=%3Cwanfang_jour%3Eshjtdxxb202102004%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=shjtdxxb202102004&rfr_iscdi=true