机译:Niagara Frentier边境交叉口短期交通延迟预测:深度学习和统计建模方法比较
Department of Civil and Materials Engineering University of Illinois at Chicago 842 W Taylor St. 2095 ERF Chicago IL 60607 USA;
Department of Civil Structural & Environmental Engineering University at Buffalo Buffalo NY 14260 USA;
Niagara International Transportation Technology Coalition (NITTEC) 93 Oak Street Buffalo NY 14203 USA;
Department of Civil Structural and Environmental Engineering University at Buffalo The State University of New York 204 Ketter Hall Buffalo NY 14260 USA;
Border crossing delay prediction; Deep learning; Multilayer perceptron; Convolutional neural networks; Recurrent neural networks; Auto-regressive integrated moving average (ARIMA);
机译:对纽约北部边界过境点的交通延误进行建模
机译:商用卡车过境时间和通行量的短期预测:以大使桥为例
机译:基于深度学习模型的短期交通流量预测
机译:冬季严酷天气对过境交通的影响:尼亚加拉边疆边界的发现和启示
机译:具有时空特征的实时短期交通速度预测的深度学习方法
机译:基于奇异谱分析和核极限学习机的混合短时交通流预测模型
机译:大型城市交通网络的短期交通预测:基于网络的机器学习模型和动态交通分配模型的应用
机译:评估美国 - 加拿大基础设施的充足性,以通过东部边境口岸容纳贸易。附录:尼亚加拉边境的描述性简介