期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
人工智能赋能交通信息新技术导读
被引量：
1
1
作者
赵军辉
冯光升
《无线电通信技术》
2022年第5期794-795,共2页
内容导读交通信息技术是国家信息技术的重要组成,也是智慧交通系统不可分割的部分。2021年国务院印发的“十四五现代综合交通运输体系发展规划”与同年交通运输部发布的“数字交通十四五发展规划”清楚地分析了交通信息体系建设的国内...
内容导读交通信息技术是国家信息技术的重要组成,也是智慧交通系统不可分割的部分。2021年国务院印发的“十四五现代综合交通运输体系发展规划”与同年交通运输部发布的“数字交通十四五发展规划”清楚地分析了交通信息体系建设的国内外现状,并强调了未来五年,我国的交通运输行业要采用新科技赋能的发展路线。
展开更多
关键词
信息技术
综合交通运输体系
数字交通
交通运输行业
人工智能
国内外现状
信息新技术
导读
在线阅读
下载PDF
职称材料
基于改进CNN-LSTM组合模型的分时段短时交通流预测
被引量：
36
2
作者
李磊
张青苗
+1 位作者
赵军辉
聂逸文
《应用科学学报》
CAS
CSCD
北大核心
2021年第2期185-198,共14页
针对现有预测模型不能充分提取交通流时空特征的问题,提出一种基于改进卷积神经网络(convolutional neural network,CNN)和长短时记忆(long short-term memory,LSTM)神经网络的短时交通流预测方法。首先,采用分层提取方法使设计的网络...
针对现有预测模型不能充分提取交通流时空特征的问题,提出一种基于改进卷积神经网络(convolutional neural network,CNN)和长短时记忆(long short-term memory,LSTM)神经网络的短时交通流预测方法。首先,采用分层提取方法使设计的网络结构和一维卷积核函数自动提取交通流序列的空间特征;其次,优化LSTM网络模块来减少网络对数据的长时间依赖;最后,在端对端模型的训练过程中,引入改进后的自适应矩估计(rectified adaptive moment estimation,RAdam)优化算法,加快权重的拟合并提高网络输出的准确性和鲁棒性。实验结果表明:在工作日与周末分时段,所提出的模型相比堆栈自编码(stacked auto-encoders,SAEs)网络预测模型,性能分别提升3.55%与8.82%,运行时间分别缩减6.2%与6.9%;相比长短时记忆网络-支持向量回归(long-short term memory-support vector regression,LSTM-SVR)预测模型,性能分别提升0.29%与1.79%,运行时间分别缩减9.0%与9.7%。所提模型能够更加适用于不同时段下的短时交通流预测。
展开更多
关键词
卷积神经网络
长短时记忆神经网络
分时段
改进后的自适应矩估计
交通流预测
在线阅读
下载PDF
职称材料
题名
人工智能赋能交通信息新技术导读
被引量：
1
1
作者
赵军辉
冯光升
机构
华东交通大学信息
工程
学院
江西省
人工智能交通信息传输与处理重点
实验室
江西省车联网关键技术工程实验室
哈尔滨
工程
大学计算机学院/软件学院/国家保密学院
出处
《无线电通信技术》
2022年第5期794-795,共2页
文摘
内容导读交通信息技术是国家信息技术的重要组成,也是智慧交通系统不可分割的部分。2021年国务院印发的“十四五现代综合交通运输体系发展规划”与同年交通运输部发布的“数字交通十四五发展规划”清楚地分析了交通信息体系建设的国内外现状,并强调了未来五年,我国的交通运输行业要采用新科技赋能的发展路线。
关键词
信息技术
综合交通运输体系
数字交通
交通运输行业
人工智能
国内外现状
信息新技术
导读
分类号
U495 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于改进CNN-LSTM组合模型的分时段短时交通流预测
被引量：
36
2
作者
李磊
张青苗
赵军辉
聂逸文
机构
华东交通大学信息
工程
学院
江西省车联网关键技术工程实验室
北京交通大学电子信息
工程
学院
出处
《应用科学学报》
CAS
CSCD
北大核心
2021年第2期185-198,共14页
基金
国家自然科学基金(No.61661021,No.61971191)
中国科学院上海微系统与信息技术研究所开放课题项目(No.20190910)
+1 种基金
江西省自然科学基金重点项目(No.20202ACBL202006)
江西省研究生创新基金(No.YC2019-S264)资助。
文摘
针对现有预测模型不能充分提取交通流时空特征的问题,提出一种基于改进卷积神经网络(convolutional neural network,CNN)和长短时记忆(long short-term memory,LSTM)神经网络的短时交通流预测方法。首先,采用分层提取方法使设计的网络结构和一维卷积核函数自动提取交通流序列的空间特征;其次,优化LSTM网络模块来减少网络对数据的长时间依赖;最后,在端对端模型的训练过程中,引入改进后的自适应矩估计(rectified adaptive moment estimation,RAdam)优化算法,加快权重的拟合并提高网络输出的准确性和鲁棒性。实验结果表明:在工作日与周末分时段,所提出的模型相比堆栈自编码(stacked auto-encoders,SAEs)网络预测模型,性能分别提升3.55%与8.82%,运行时间分别缩减6.2%与6.9%;相比长短时记忆网络-支持向量回归(long-short term memory-support vector regression,LSTM-SVR)预测模型,性能分别提升0.29%与1.79%,运行时间分别缩减9.0%与9.7%。所提模型能够更加适用于不同时段下的短时交通流预测。
关键词
卷积神经网络
长短时记忆神经网络
分时段
改进后的自适应矩估计
交通流预测
Keywords
convolutional neural network(CNN)
long short-term memory(LSTM)
dif-ferent periods
rectified adaptive moment estimation(RAdam)
traffic flow prediction
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
人工智能赋能交通信息新技术导读
赵军辉
冯光升
《无线电通信技术》
2022
1
在线阅读
下载PDF
职称材料
2
基于改进CNN-LSTM组合模型的分时段短时交通流预测
李磊
张青苗
赵军辉
聂逸文
《应用科学学报》
CAS
CSCD
北大核心
2021
36
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
