摘要
针对传统的短时交通流预测方法只关注交通流的时间特征而未考虑空间特征的问题,提出一种引入注意力机制的卷积神经网络和双向门控循环单元的组合预测模型(ACBiGRU).该组合模型利用引入注意力机制的卷积神经网络挖掘邻近道路交通流量的空间相关性,将注意力机制嵌入到卷积神经网络中,对卷积层的结果进行不同权重的关注,有效提取交通流的空间特征;然后通过BiGRU模型提取交通流的时间序列特征;最终将提取到的时间和空间特征融合,完成短时交通流预测.实验结果表明:在真实数据集上的ACBiGRU模型预测优于其他模型,预测结果的RMSE(均方根误差)比传统时间序列模型平均降低了8%,验证了结合时空特性的短时交通流预测的有效性和优越性.
- 单位