出行时间预测是智慧交通系统中的一项基本任务,因其时空关系复杂且易受到外部因素影响而充满了挑战性.为了获得准确的预测结果,提出一种将深度学习与元学习结合进行出行时间预测的方法 .该方法由时空网络模型和元学习框架组成,时空网络模型利用卷积神经网络和门控循环单元同时对轨迹及周边区域的交通状况进行时空信息的提取,元学习框架则用于从其他城市学习时空网络模型的通用初始化参数,并将其应用在目标城市中.在两个真实数据集上进行了实验,实验结果证明提出的方法优于现有方法 .
科研之友
微信
新浪微博
Facebook
分享链接
