DALC：用于细粒度车速预测的分布式自动 LSTM 定制
机器学习
2020-02-05 v2 信号处理
机器学习
摘要
过去十年中，人们提出了多种短期交通预测方法。然而，对于大规模交通网络中地理部署大量检测器采集交通数据并提供细粒度交通预测，仍是一个开放问题。为解决该问题，本文将单个检测器的 LSTM 模型定制问题表述为有限马尔可夫决策过程，进而提出自动 LSTM 定制（ALC）算法，自动为单个检测器定制 LSTM 模型，使其预测精度尽可能满意且时间消耗尽可能低。基于 ALC 算法，我们提出一种称为分布式自动 LSTM 定制（DALC）的分布式方法，为大规模交通网络中每个检测器定制 LSTM 模型。实验表明，DALC 提供的预测精度高于 Apache Spark MLlib 提供的几种方法。
引用
@article{arxiv.2001.09821,
title = {DALC: Distributed Automatic LSTM Customization for Fine-Grained Traffic Speed Prediction},
author = {Ming-Chang Lee and Jia-Chun Lin},
journal= {arXiv preprint arXiv:2001.09821},
year = {2020}
}
备注
12 pages, 5 figures, the 34th International Conference on Advanced Information Networking and Applications (AINA 2020), Springer