基于深度卷积神经网络的交通流量预测数学模型设计

摘要

精确的交通流量预测是实现未来智能交通的关键技术.神经网络模型在该领域的预测方面具有一定的优势.因此,为了提高预测精度,设计一种基于深度卷积神经网络的交通流量预测数学模型.首先,对交通流量数据的预处理方法进行分析,然后结合特征训练过程和卷积神经网络构建深度神经网络结构,并给出深度神经网络的配置参数.利用美国明尼苏达大学UMD分校的交通流数据集进行仿真实验,结果表明,提出的模型可以对短时交通全局趋势进行预测,并具有较好的稳定性和预测精度.