基于深度神经网络的交通流量预测
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。
文件下载
评论信息
其他资源
- QT的TCP一个服务端连接多个客户端
- 华凌，超凌图档保镖解密程序。
- Simulink_BP神经网络PID控制
- 基于matlab的卫星轨道仿真（含有源代码）
- InCloud Sphere 5.8.2部署手册.pdf
- 亚像素级别的边缘检测和获取
- SPSS, Matlab, Sigmaplot 画置信区间线
- 利用MFC画sin和cos图形,可以用滚轮缩放，平移
- 汉语词库.7z
- 134个小程序源码打包下载
- zlib-1.2.11.tar.gz
- 基于WEB的销售管理系统代码
- 3dsmax 模型 m4a1
- JavaFx版连连看及源码下载
- 2020中国人工智能产业白皮书.pdf
- natives_blob.bin
- LINGO详细入门教程
- s3fs-1.74.tar.gz
- YUV 和 RGB 颜色互转的小工具
- EZ-EDS V3.23.1.20171205
- kafka_2.9.2-0.8.2.1.tgz
- 科研经费在线管理系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明