Knowledge Commons of Institute of Automation,CAS
基于多核自适应网络的高速公路交通流预测方法 | |
习金浩1,2; 孟峰3; 朱凤华2; 贺正冰4; 李润梅5; 吕宜生2 | |
发表期刊 | 交通运输研究 |
2021 | |
页码 | 1-9 |
文章类型 | 期刊论文 |
摘要 | 针对高速公路各路段交通流信息差异较大这一现象,为提高交通流预测准确率,将注意力机制引入卷积神经网络,建立描述交通流时空关联特征的多核自适应网络(Multi-Kernel Adaptive Network, MKAN)。首先对输入的历史交通流数据进行多分支卷积,获得不同尺度的交通流特征;然后根据输入信息自适应调整各卷积分支权重并对各分支多通道特征图进行加权融合;最后根据融合特征图,利用多层感知机预测下一时段交通流。基于加州交通运输部性能测试系统中的高速公路交通流数据设计实验进行模型验证和对比分析。实验结果表明,在大多数站点,MKAN模型的预测均方根误差和平均绝对误差低于长短期记忆网络、门控循环单元、K近邻算法和支持向量回归模型,对140号站点进行全天交通流预测,在1d内的各时段,MKAN模型预测绝对误差均小于其他对比模型;相比于单核卷积神经网络,在绝大多数站点,MKAN模型预测结果的均方根误差和平均绝对误差降低7%以上,对31号站点进行全天交通流预测,在1d内的大多数时段,MKAN模型预测绝对误差小于其他单核卷积神经网络。实验证明,多核自适应网络可有效提高交通流预测准确率,其预测效果优于部分传统预测模型和单核卷积神经网络。 |
收录类别 | 其他 |
语种 | 中文 |
是否为代表性论文 | 否 |
七大方向——子方向分类 | 人工智能+交通 |
国重实验室规划方向分类 | 多尺度信息处理 |
是否有论文关联数据集需要存交 | 否 |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/52127 |
专题 | 多模态人工智能系统全国重点实验室_平行智能技术与系统团队 |
通讯作者 | 孟峰 |
作者单位 | 1.中国科学院大学人工智能学院 2.中国科学院自动化研究所复杂系统管理与控制国家重点实验室 3.国家能源集团大雁集团(神宝能源) 4.北京工业大学交通工程北京重点实验室 5.北京交通大学电子信息工程学院 |
第一作者单位 | 中国科学院自动化研究所 |
推荐引用方式 GB/T 7714 | 习金浩,孟峰,朱凤华,等. 基于多核自适应网络的高速公路交通流预测方法[J]. 交通运输研究,2021:1-9. |
APA | 习金浩,孟峰,朱凤华,贺正冰,李润梅,&吕宜生.(2021).基于多核自适应网络的高速公路交通流预测方法.交通运输研究,1-9. |
MLA | 习金浩,et al."基于多核自适应网络的高速公路交通流预测方法".交通运输研究 (2021):1-9. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
基于多核自适应网络的高速公路交通流预测方(1804KB) | 期刊论文 | 作者接受稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[习金浩]的文章 |
[孟峰]的文章 |
[朱凤华]的文章 |
百度学术 |
百度学术中相似的文章 |
[习金浩]的文章 |
[孟峰]的文章 |
[朱凤华]的文章 |
必应学术 |
必应学术中相似的文章 |
[习金浩]的文章 |
[孟峰]的文章 |
[朱凤华]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论