【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：小波神经网络的时间序列预测_短时交通流量预测_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

python-algoritmo-genetico 用Python编写的遗传算法实现。 旨在查找智能交通信号灯的最佳时间，并最大化通过随机和不平衡交通流的两条街道的交通流。 可以找到此工作的完整论文： :

Matlab

说明： 使用三种图卷积做一个简单的交通流量预测模型。 我所用的环境： PyTorch=1.4.0 torchvision=0.5.0 cudatoolkit=10.1 cudnn=7.6.3 若哪里不足请指出来，共同学习。

小波神经网络的时间序列预测——短时交通流量预测

【预测模型】基于小波神经网络的短时交通流量预测matlab源码.md

交通流量预测项目 model 模型包 目前主要的用于执行预测的模型都存储在此仓库中，主要包含一下的类型 SVR及GA_SVR LSSVR及GA_LSSVR KNN_GA_LSSVM BP及BP_GA plot 绘图包 目前主要用于指定需要绘制的对象图表，以及对于数据图表的布局指定。 Line 线型图 Wireframe 线框图 data 数据包 目前主要用于指定数据处理的pipe流程，用于实现对于数据流程的预处理，以及输出等。 lib 基础库 构建程序所需的基础构件，包含但不限于程序元类包、程序类的基础原型、部分算法原型。 tasks 库 支撑了基础库中的任务执行流程，主要用于执行任务 列出可执行任务 python -m tasks list 执行任务操作 python -m tasks start ... 绘制图表 绘制流量预测

广州交通流数据集 时间、车速、每十分钟记录一次

精确的预测结果可以为通勤者提供合理的出行建议，并进一步为交通管理提供帮助。现有的研究深入深度学习方法在时空特征提取方面已经有了显着的进展，诸如图卷积神经网络，长短期记忆网络模型等在此过程中发挥了重要的作用。而，仅将这些方法应用到具体的路网场景下的交通流量预测问题是不够合理的的，本文提出了一种优化的时空交通流量预测模型，将线图转换到道路交通拓扑结构的建造过程，并利用GCN实现了更有效的路网空间特征提取能力，特别是与传统的卷在真实的大型数据集的实验结果显示中，采用现有的较大模型，本文提出的模型对于交通流量的时空特征提取能力更强，有更准确的预测效果。

GCN_predict-Pytorch 交通流量预测。 用PyTorch实现图卷积网络（GCN，GAT，Chebnet） 要求： -火炬 -脾气暴躁 -熊猫 -Matplotlib 数据集示例： 数据集由Caltrans绩效评估系统（PEMS-04）收集 数量：307个探测器 日期：2018年1月至2月（2018.1.1——2018.2.28） 特色：流动，占据，速度。 探索数据分析： 1，具有流量，占用和速度三个特点，一是对数据分布进行可视化分析 2.运行代码：python data_view.py 3）每个节点（检测器）都有三个特征，但是两个特征的数据分布基本上是固定的，因此我们只采用一维特征。 读取数据集： 在traffic_dataset.py文件中，get_adjacent_matrix和get_flow_data函数用于读取相邻的矩阵和流数据。 模型训练： 在tra