基于改進eRCNN的局部路網交通流預測

【摘要】：針對誤差反饋循環卷積神經網絡在運用到短時交通流預測時存在僅僅能接收時序誤差序列,忽略交通流誤差數據中隱含的空間拓撲特征,且在模型初始化時其采用的通用卷積神經網絡初始化方法降低了模型訓練效率的問題,本文提出一種優化的誤差反饋循環卷積神經網絡模型,在誤差反饋循環卷積神經網絡模型基礎上根據預測誤差數據的時空特性對誤差反饋層進行結構強化,能夠處理包含簡單空間關系的誤差序列。同時通過在模型訓練的過程中分離模型產生的歷史預測誤差和訓練誤差,使得模型構建過程更加高效,加速了模型收斂速度。通過北京市四環道路交通數據的實驗表明,優化的誤差反饋循環卷積神經網絡預測模型在預測精度、構建效率及魯棒性上均得到有效提高。