基于深信度网络的城市道路网交通流预测研究

摘要

交通流预测是实现路径诱导和交通流控制的核心,应用传统神经网络模型的交通流预测方法存在容易陷入收敛到局部极小值和梯度越来越稀疏的问题.本文结合深信度网络无监督学习和有监督学习的特点,提出了一种基于深信度网络的城市道路网交通流预测研究方法.以采集后经过预处理的交通流数据为基础,用深信度网络实现道路网前5个时刻对下一时刻交通流的预测,最后对预测结果进行验证,并与传统神经网络预测结果对比分析.实验结果表明相比于其他传统神经网络方法,利用深信度网络实现交通流预测的平均绝对偏差(MAD)和平均绝对百分比误差(MAPE)更小.