資源描述：
《_基于深度學(xué)習(xí)的交通擁堵預(yù)測模型研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第32卷第10期計算機應(yīng)用研究Vol.32No.102015年10月ApplicationＲesearchofComputersOct．2015*基于深度學(xué)習(xí)的交通擁堵預(yù)測模型研究12譚娟，王勝春(1．北京工商大學(xué)商學(xué)院，北京100048;2．北京交通大學(xué)交通數(shù)據(jù)分析與挖掘北京市重點實驗室，北京100044)摘要:針對城市道路交通擁堵預(yù)警問題，提出了一種基于深度學(xué)習(xí)的預(yù)測模型。通過歸納合并交通流參數(shù)、環(huán)境狀態(tài)、時段等基礎(chǔ)數(shù)據(jù)來構(gòu)建交通流特征向量并確定四種預(yù)測狀態(tài)。采用深度學(xué)習(xí)的自編碼網(wǎng)絡(luò)方法從無標(biāo)簽數(shù)據(jù)集中學(xué)習(xí)獲取可表征數(shù)據(jù)深層特征的隱層參數(shù)
2、并生成新特征集。應(yīng)用Softmax回歸對有標(biāo)簽的新特征集進行學(xué)習(xí)生成預(yù)測分類器，模型可對交通擁堵狀況進行多態(tài)預(yù)測。通過仿真對比分析，預(yù)測模型具有較省略特征學(xué)習(xí)的預(yù)測算法更好的預(yù)測性能，平均預(yù)測精度可達85%。關(guān)鍵詞:交通擁堵;預(yù)測模型;深度學(xué)習(xí);自編碼網(wǎng)絡(luò);Softmax回歸中圖分類號:TP181文獻標(biāo)志碼:A文章編號:1001-3695(2015)10-2951-04doi:10．3969/j．issn．1001-3695．2015．10．016Ｒesearchonpredictionmodelfortrafficcongestionbas
3、edondeeplearning12TanJuan，WangShengchun(1．BusinessSchool，BeijingTechnology＆BusinessUniversity，Beijing100048，China;2．BeijingKeyLaboratoryofTrafficDataAnalysis＆Mining，BeijingJiaotongUniversity，Beijing100044，China)Abstract:Inordertopredictthetrafficcongestionincity，thispaperpr
4、oposedthepredictionmodelbasedonthedeeplear-ning．Thetrafficdatalikeflowparameters，environmentalsituation，timesofdayandsoonweresummarizedandcomposedin-tothefeaturevector，anddefinedfourkindsoftrafficflowpattern．Itlearnedtheunlabelledtrafficdatasetbytheauto-encodernetworktobuil
5、dthehiddenlayerfunctionandgeneratethenewfeaturedataset，andusedthesoftmaxregressiontoclassifythetrafficpatternbasedonthelabeledfeaturedatasetlearning．Demonstratedbythesimulation，thepredictionmodelhasbetterperformancethanthemodelwithoutthefeaturelearning，theaveragepredictiona
6、ccuracycanreach85%．Keywords:trafficcongestion;predictionmodel;deeplearning;auto-encodernetwork;Softmaxregression交通擁堵已經(jīng)成為制約城市經(jīng)濟和社會發(fā)展的瓶頸，它直致模型普遍缺乏長效性和擴展能力。［6］接造成城市的整體運轉(zhuǎn)效率降低，在城市發(fā)展過程中的短板效深度學(xué)習(xí)是一種模擬人腦的多層感知結(jié)構(gòu)來認識數(shù)據(jù)應(yīng)日益明顯。國際諾貝爾經(jīng)濟學(xué)獎得主Becker曾經(jīng)測算，全模式的學(xué)習(xí)算法。近年來作為數(shù)據(jù)挖掘的一個新興領(lǐng)域，在處球每年因交通擁堵造成的損
7、失占GDP的2．5%。目前各國用理圖像、文本、語音等非結(jié)構(gòu)化數(shù)據(jù)等方面體現(xiàn)出了極為卓越來衡量交通擁堵的參數(shù)主要有擁堵時間、排隊長度、車速等。的性能，目前已逐漸被斯坦福大學(xué)、Google、百度研究院等權(quán)威中國公安部則對擁堵路段給出了定義:車輛在車行道上受阻且機構(gòu)作為21世紀(jì)數(shù)據(jù)挖掘和人工智能發(fā)展的戰(zhàn)略方向。在交排隊長度超過1km的狀態(tài)。它就像是一種慢性病，每天都在通應(yīng)用領(lǐng)域，Schmidhuber等人將該模型用于汽車智能駕駛的折磨著穿梭于城市道路上的人群，但應(yīng)對起來卻往往力不從心。交通標(biāo)志識別，使用深度學(xué)習(xí)的方式，獲得了比人工識別還低［7］交通
8、擁堵的治理應(yīng)首在預(yù)防，即能根據(jù)道路的現(xiàn)有交通狀的錯誤率。本文應(yīng)用深度學(xué)習(xí)算法體系來處理交通流參數(shù)態(tài)預(yù)測分析出短時間內(nèi)的交通狀態(tài)變化趨勢，并對可能出現(xiàn)的以及影響道路狀
