基于深度神经网络的短期交通预测：综述
机器学习
2020-09-03 v1 人工智能
信号处理
摘要
在现代交通系统中，每天都会产生大量的交通数据。这导致了短期交通预测（STTP）的快速进展，其中深度学习方法近来已被应用。在具有复杂时空关系的交通网络中，深度神经网络（DNNs）通常表现良好，因为它们能够自动提取最重要的特征和模式。在本研究中，我们从四个角度综述了应用深度网络的近期 STTP 研究。1）我们根据所涉及的时空依赖的数量和类型总结了输入数据表示方法。2）我们简要解释了从最早的网络（包括受限玻尔兹曼机）到最近的网络（包括基于图和元学习的网络）的广泛 DNN 技术。3）我们根据 DNN 技术类型、应用领域、数据集与代码可用性以及所表示的时空依赖类型总结了先前的 STTP 研究。4）我们整理了流行且可用作标准基准的公开交通数据集。最后，我们提出了 STTP 中具有挑战性的问题以及可能的未来研究方向。
引用
@article{arxiv.2009.00712,
title = {Short-term Traffic Prediction with Deep Neural Networks: A Survey},
author = {Kyungeun Lee and Moonjung Eo and Euna Jung and Yoonjin Yoon and Wonjong Rhee},
journal= {arXiv preprint arXiv:2009.00712},
year = {2020}
}