基于深度学习的短时交通流预测

摘要

精确的交通流预测是智能运输系统的重要技术支撑,以实际交通流数据为背景,提出了一种新型的基于深度学习的交通流预测模型.将若干个降噪自编码器(DAE)进行堆叠,组成栈式降噪自编码器模型(SDAE),完成了深度学习框架的构建.进一步通过在顶层结构中增加标准预测模型,实现了基于深度学习的预测模型的搭建.结合实际交通流数据,开展了多个预测模型的实验对比.结果表明,考虑多维时空因素的SDAE预测精度更高,证明了模型的优越性.