基于深度学习的空域拥堵预测技术初探

摘要

深度学习在特征提取与模型拟合方面具有优势,它能够非监督地从数据中学习出有效的特征用以预测,故在此利用深度学习进行建模用以空中交通拥堵预测.本文通过归纳合并交通流参数、环境状态、时段等基础数据来构建交通流特征向量,采用深度学习的堆叠自编码网络架构,设计了一种从无标签数据集中学习,提取可表征数据深层特征的隐层参数,并生成新特征集的拥堵状态预测模型.