科研之友
微信
新浪微博
Facebook
分享链接
摘要
智能交通是现代交通发展的前沿领域,交通事件预测是其中的一个研究热点。传统BP神经网络模型是交通事件分析中常用的模型分析方法之一,但易陷入局部极值,不适合处理长期且连续的交通事件数据。为解决上述问题,提出使用循环神经网络处理交通事件数据,利用循环神经网络模型的有限时间长度记忆优势,构建序列数据分类模型来训练数据,采用随机失活方法去除模型的过拟合问题,通过达拉斯地区的实际流量数据验证,将预测结果与传统BP神经网络模型方法作对比。实验对比结果表明,该综合算法在预测精度和损失值方面均有较明显提升,验证了方法的有效性。
-
单位北京信息职业技术学院; 河南科技大学
