使用深度递归神经网络的智慧城市交通模式分类
机器学习
2024-01-26 v1
摘要
本文探讨了使用深度递归神经网络对智慧城市中的交通模式进行分类。我们提出了一种基于深度递归神经网络的交通模式分类新方法，该方法能有效捕捉交通模式的动态和序列特征。所提出的模型结合了卷积层和循环层，从交通模式数据中提取特征，并使用 SoftMax 层对交通模式进行分类。实验结果表明，所提出的模型在准确率、精确率、召回率和 F1 分数方面均优于现有方法。此外，我们对结果进行了深入分析，并讨论了所提出模型对智慧城市的影响。结果表明，所提出的模型能够准确分类智慧城市中的交通模式，精确率高达 95%。所提出的模型在一个真实世界的交通模式数据集上进行了评估，并与现有的分类方法进行了比较。
引用
@article{arxiv.2401.13794,
title = {Traffic Pattern Classification in Smart Cities Using Deep Recurrent Neural Network},
author = {Ayad Ghany Ismaeel and Krishnadas Janardhanan and Manishankar Sankar and Yuvaraj Natarajan and Sarmad Nozad Mahmood and Sameer Alani and Akram H. Shather},
journal= {arXiv preprint arXiv:2401.13794},
year = {2024}
}
备注
18 pages, 6 figures, 3 tables