报告
基于深度学习的城市道路速度预测
摘要
国家经济和社会生产力的发展贯穿人们生活的各个层面。代步工具的研发和使用是人类文明和发展的必然趋势，根本动力来自人类对便捷生活的追求。人们沉浸在购买和使用汽车带来的喜悦中，但随之而来的社会影响也不容忽视。交通流量剧增导致道路拥堵现象频发，道路交通在如何保证安全同时又提高通行效率的问题上面临着严峻挑战，因此智能交通系统的发展刻不容缓。基于深度学习方法对智能交通系统中的道路速度预测任务进行研究，提出了基于图注意力网络的道路速度预测算法。该算法首先利用循环神经网络学习当前道路的路况信息，接着利用建模邻居道路的短期路况特征和长期路况特征，再建立模型使用图注意力网络权衡邻居道路的影响进行目标路段的速度预测，使用真实交通数据集中验证了算法有效性。
作者
王仲 ，中国科学技术大学硕士，主要研究方向为机器学习、智能交通大数据。
刘贵全 ，中国科技大学计算机系副教授，中国人工智能学会人工智能基础专业委员会委员、机器学习专业委员会委员。主要研究方向为机器学习、智能信息处理与挖掘、互联网信息抽取及深度搜索与挖掘。
Wang Zhong
Liu Guiquan
检索正文关键字
报告目录
-
一 深度学习在智能交通领域的应用背景
- （一）基于传统神经网络的交通预测
- （二）基于图卷机网络的交通预测
-
二 交通时空关系建模方法概述
- （一）循环神经网络
- （二）卷积神经网络
-
三 基于图注意力网络的道路速度预测
- （一）道路动态信息
- （二）邻居特征学习
- （三）节点信息融合
-
四 实验
- （一）数据集介绍
- （二）对比模型
- （三）实验参数设置
- （四）实验效果对比分析
- 五 总结
报告图片/图表
相关文献
查看更多>>>