TY -的A2 -张,音盟——瞿,利晟盟——张Minghao AU - Li Zhaolu AU - Li Wei PY - 2020 DA - 2020/12/11 TI -时间回溯和交通速度系列的多步延迟预测SP - 8899478六世- 2020 AB -作为一个典型的时间序列,数据序列的长度对于交通状态预测的准确性是至关重要的。为了充分探索交通数据之间的因果关系，本研究建立了基于递归神经网络(rnn)的时间回溯和多步延迟模型，学习和提取交通状态数据的长短期依赖关系。结合实际交通数据集，采用坐标下降算法搜索并确定交通序列的最优回溯长度，并进行多步延迟预测，验证延迟步长与预测精度之间的关系。并比较了3种rnn (LSTM、GRU、BiLSTM)与6种常用模型(决策树(DT)、支持向量机(SVM)、 k-最近邻(KNN)、随机森林(RF)、梯度增强决策树(GBDT)和堆叠自动编码器(SAE)。10个连续延迟步骤的预测结果表明，rnn的预测精度远远优于其他模型，因为rnn具有更强大和准确的时间序列模式表示能力。同时证明了rnn可以学习和挖掘长时间依赖关系。SN - 0197-6729 UR - https://doi.org/10.1155/2020/8899478 DO - 10.1155/2020/8899478 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -