基于卷积神经网络提取时空特征的通行时间预测
机器学习
2021-11-02 v1 人工智能
摘要
近年来，一些交通信息预测方法被提出，以期为高速公路提供通行时间、车速和交通流的精确信息。然而，这些方法对于城市道路或高速公路的替代道路可能产生较大误差。因此，本研究提出一种基于卷积神经网络的通行时间预测方法，以提取重要因素，改进交通信息预测。在实际实验环境中，收集了五号高速公路及其替代道路的通行时间记录，并用于评估所提方法。结果表明，所提方法的平均绝对百分比误差约为 5.69%。因此，所提出的基于深度学习技术的方法能够提高通行时间预测的准确性。
引用
@article{arxiv.2111.00149,
title = {Temporal-Spatial Feature Extraction Based on Convolutional Neural Networks for Travel Time Prediction},
author = {Chi-Hua Chen},
journal= {arXiv preprint arXiv:2111.00149},
year = {2021}
}
备注
22 pages, 15 figures, and 3 tables