基于OD行程时间矩阵的神经网络行程时间预测模型
机器学习
2020-04-09 v1 神经与进化计算
机器学习
摘要
公共交通系统通勤者常需获取准确的行程时间信息以规划日常活动。然而，由于天气状况、交通事故与交通拥堵等因素导致的道路交通不规则，该信息往往难以准确预测。本研究开发了多层感知机（MLP）与长短期记忆模型（LSTM）两种神经网络模型，用于预测繁忙路段的路段行程时间，其输入由历史GPS数据集导出的起讫点（OD）行程时间矩阵生成。实验结果表明，两种模型均可作出近乎准确的预测，但LSTM随时间步增大更易受噪声影响。
引用
@article{arxiv.2004.04030,
title = {Neural Networks Model for Travel Time Prediction Based on ODTravel Time Matrix},
author = {Ayobami E. Adewale and Amnir Hadachi},
journal= {arXiv preprint arXiv:2004.04030},
year = {2020}
}