基于图卷积神经网络的交通流量预测方法研究

利用卷积神经网络进行图像分类和目标检测 #生活技巧# #学习技巧# #深度学习技巧#

基于图卷积神经网络的交通流量预测方法研究

摘要：近年来，交通流量预测在智慧城市建设中占据了不可或缺的核心地位，也是时空数据挖掘的热点研究方向之一。交通流量预测对于缓解城市交通拥堵、提高交通系统效率、保护环境、提升居民生活质量、加强应急响应能力、支持智能交通系统的发展以及促进经济成长具有至关重要的作用。通过精确的预测，可以有效优化交通资源分配，减少污染物排放，节省出行时间，提高出行安全性，从而为城市带来更高效、绿色和宜居的生活环境。然而，交通流量数据的复杂性和非平稳性使得挖掘其非线性时空特征成为一个具有挑战性的问题。面对日益复杂的城市道路环境和庞大的数据量，需要解决时空特征...

关键词：

授予学位：

硕士

学科专业：

导师姓名：

学位年度：

2024

语种：

中文

分类号：

TP183(自动化基础理论)

在线出版日期：

2024-08-21 （万方平台首次上网日期，不代表论文的发表时间）

参考文献 (27)

仅看全文

排序：

发表时间

被引频次

查看引文网络

[8] 王飞云,胡尧.基于SARIMA-GPR模型的短时交通流预测应用研究[J].运筹与模糊学.2022,(2).388-396.

相关文献

  换一换

月卡

- 学位畅读卡 -

¥98

季卡

- 学位畅读卡 -

¥228

年卡

- 学位畅读卡 -

¥399

年卡

- 超级文献套餐 -

¥499

查重

- 个人文献检测 -

快速入口

开通阅读并同意

《万方数据会员(个人)服务协议》

相关主题

相关学者

相关机构

网址：基于图卷积神经网络的交通流量预测方法研究 https://www.yuejiaxmz.com/news/view/907059

相关内容

一种基于图对比学习网络的交通流异常检测方法技术
基于神经网络的智能虚拟助手研究
【故障诊断】基于贝叶斯优化卷积神经网络BO
基于图卷积神经网络的推荐模型优化
卷积神经网络
基于人工智能的自适应交通流量控制系统
【负荷预测】基于DBO、PSO、SSA、GOOSE算法优化ELM的电力负荷预测研究附Matlab代码
基于出行生成影响分析的动态交通需求预测方法研究
卷积神经网络优化技巧：提升性能与降低复杂度1.背景介绍 卷积神经网络（Convolutional Neural Netw
基于机器学习方法的空气质量分类与预测研究

随便看看