一种基于深度残差网络的短时交通流量预测方法

摘要

本发明涉及一种基于深度残差网络的短时交通流量预测方法，属于智能交通系统领域。本发明采用一种基于深度残差网络的短时间交通流量预测方法，充分考虑了交通流量的时空特征。考虑到较强的时间相关性，模型进行了时空关联性分析。在模型的生成器中，使用了深度残差网络，利用残差思想在精确提取非线性交通流量数据的时空特征的同时解决了深度神经网络的梯度消失问题。并且，该模型可以根据数据量的大小将网络从18层拓展到152层。通过利用深度残差网络与时空关联性结合提高了对短时交通流预测的能力，使得模型的预测的效果更加精确，也使模型具有更好的鲁棒性和适用性。