TY -的A2 Uddin m . iran AU -侯,越盟-邓,志远AU -崔,汉克PY - 2021 DA - 2021/01/16 TI -短期交通流预测天气状况:基于深度学习算法和数据融合SP - 6662959六世- 2021 AB -短期交通流预测是智能交通系统(ITS)的有效手段来缓解交通堵塞。然而,交通流数据与时间特性和周期性特征易受气候变化的影响,使得短期交通流预测一个具有挑战性的问题。然而,现有的模型没有考虑气候变化对交通流的影响,导致在一些极端条件下的表现。的丰富功能的交通数据和容易受到外部气候条件的特点,基于交通数据的预测模型有一定的局限性,因此有必要进行研究交通流预测由交通数据和气象数据驱动的。框架提出了一种结合堆叠autoencoder (SAE)和径向基函数(RBF)神经网络预测交通流量,可以有效地捕获时间相关和周期性的交通流数据和气象因素的干扰。首先,SAE是用来处理交通流数据在多个时间片获得一个初步的预测。然后,RBF用于捕获天气扰动和周期性的交通流之间的关系,以获得另一个预测。最后,另一个RBF用于融合上述两个预测决策水平,获得重建较高的预测精度。验证该模型的有效性和鲁棒性的实验。SN - 1076 - 2787你——https://doi.org/10.1155/2021/6662959——10.1155 / 2021/6662959 JF - PB - Hindawi KW - ER -复杂性