×
王伟;张汉玉;李彤;郭建华;黄，魏;魏云;曹金德

短期交通流预测的可解释模型。 （英语） Zbl 1510.62375号

数学。计算。模拟。 171, 264-278 (2020).
摘要：预测短期交通流量以改善交通控制是近30年来备受关注的研究课题。随着越来越多的交通数据采集设备投入使用，利用深度神经网络（DNN）预测短期交通流量提供了机会。在取得巨大成功的背后，DNN受到了一些问题的拖累，在这里我们重点关注：1。如何证明DNN使用的输入节点数；2.如何解释历史时空信息与未来交通状况之间的因果关系。本文提出了一种结合季节性自回归积分滑动平均模型的深度多项式神经网络。新模型具有卓越的预测精度，并增强了其深层结构中时空关系的清晰度。实验结果表明，与基于LSTM的模型相比，该模型具有更好的解释能力和更高的精度。

MSC公司：

62M20型 随机过程的推断与预测
90B20型 运筹学中的交通问题
05C90年 图论的应用

关键词：

深层建筑;GMDH公司;短期交通流量预测

软件：

FinTS公司
PDF格式BibTeX公司 XML格式引用
\textit{W.Wang}等人，数学。计算。模拟。171264--278（2020年；Zbl 1510.62375）
全文： 内政部

参考文献：

[1] 艾哈迈德，M.S。；库克，A.R.，《利用Box-Jenkins技术分析高速公路交通时间序列数据》，第722期（1979年）
[2] 巴罗斯，J。；Araujo，M。；Rossetti，R.J.，短期实时交通预测方法：调查，（2015年国际智能交通系统模型与技术会议。2015年国际智能交通系统模型与技术会议，MT-ITS 2015（6月）（2015）），132-139
[3] Bollerslev，T.，广义自回归条件异方差，《计量经济学杂志》，31，3，307-327（1986）·Zbl 0616.62119号
[4] Bolshinsky，E。；Freidman，R.，《2012年交通流量预测调查——技术报告》-15，1-15（2012），以色列理工学院，URLhttp://nwwn.cs.technion.ac.il/users/wwwb/cgi-bin/tr-get.cgi/2012/cs/cs-2012-06.pdf
[5] 卡斯特罗·内托，M。；Jeong，Y.-S。；Jeong，M.-K。；Han，L.D.，《典型和非典型交通条件下短期交通流预测的在线虚拟现实》，专家系统。申请。，36, 3, 6164-6173 (2009)
[6] Chan，K.Y。；Dillon，T.S。；辛格，J。；Chang，E.，使用混合指数平滑和Levenberg-Marquardt算法的基于神经网络的短期交通流预测模型，IEEE Trans。智力。运输。系统。，13, 2, 644-654 (2012)
[7] 陈，C。；胡，J。；孟，Q。；张毅，基于ARIMA-GARCH模型的短时交通流预测，（2011年IEEE智能车辆研讨会（2011），IEEE），607-612
[8] 陈，C。；尹，W。；李，L。；胡，J。；Zuo，Z.，日内趋势的检索及其对交通预测的影响，交通运输。决议C，22，5，103-118（2012年）
[9] 戴，X。；Fu，R。；Lin，Y。；李，L。；Wang，F.-y.，DeepTrend:用于交通流预测的深度层次神经网络（2017），URLhttp://arxiv.org/abs/1707.03213
[10] Davis，G.A。；Nihan，N.L.，非参数回归和短期高速公路交通预测，J.Transp。工程，117，2，178-188（1991）
[11] Dougherty，M.S。；Cobbett，M.R.，《使用神经网络进行短期城际交通预测》，《国际预测杂志》。，13, 1, 21-31 (1997)
[12] Edie，L.C.，《交通流测量和定义的讨论》（1963年），纽约港务局
[13] Engle，R.F.，英国通货膨胀方差估计的自回归条件异方差，《计量经济学》，987-1007（1982）·Zbl 0491.62099号
[14] 戈什，B。；巴苏，B。；O'Mahony，M.，短期交通流预测的贝叶斯时间序列模型，J.Transp。工程，133，3，180-189（2007）
[15] 龚，X。；Wang，F.，交通流预测KNN-NPR的三项改进，（IEEE第五届智能交通系统国际会议（2002），IEEE），736-740
[16] Guo，J。；黄，W。；Williams，B.M.，《车辆交通状况系列的综合异方差检验》，J.Transp。工程，138，9，1161-1170（2012）
[17] Guo，J。；黄，W。；Williams，B.M.，随机短期交通流量预测和不确定性量化的自适应卡尔曼滤波方法，交通运输。决议C，43，50-64（2014年）
[18] Guo，J。；Williams，B.M.，使用分层卡尔曼滤波器的实时短期交通速度水平预测和不确定性量化，Transp。Res.Rec.，2175，1，28-37（2010年）
[19] 黄，W。；贾伟。；Guo，J。；威廉姆斯，B.M。；Shi，G。；魏毅。；曹，J.，车辆交通流序列季节异方差的实时预测，IEEE Trans。智力。运输。系统。，19, 10, 3170-3180 (2017)
[20] 金，F。；Sun，S.，用于交通流预测的神经网络多任务学习，（2008年IEEE神经网络国际联合会议，2008年IEEE-神经网络国际联席会议，IEEE计算智能世界大会（2008），IEEE），1897-1901
[21] Kirby，H.R。；Watson，S.M。；M.S.Dougherty，我们应该使用神经网络还是统计模型进行短期高速公路交通预测？，国际期刊预测。，13，1，43-50（1997年）
[22] 李，J。；陈，X。；霍维，E。；Jurafsky，D.，《可视化和理解自然语言处理中的神经模型》（2015），arXiv预印本arXiv:1506.01066
[23] 李，Z。；李毅。；Li，L.，交通流预测的去趋势模型和多状态模型的比较，IEEE Intell。运输。系统。Mag.，6，4，34-44（2014）
[24] 李毅。；Shahabi，C.，《短期交通量预测和未来方向的机器学习方法概述》，SIGSPATIAL Spec.，10，1，3-9（2018）
[25] 李，L。；苏，X。；王，Y。；Lin，Y。；李，Z。；Li，Y.，大数据网络中的稳健因果关系挖掘及其在交通流预测中的应用，交通运输。决议C，58，292-307（2015）
[26] Lv，Y。；段，Y。；Kang，W。；李，Z。；Wang，F.-y.，《大数据交通流预测：深度学习方法》，IEEE Trans。智力。运输。系统。，16, 2, 865-873 (2014)
[27] 马，X。；戴，Z。；何，Z。；马，J。；王，Y。；Wang，Y.，Learning traffic as images:a deep convolutional neural network for大规模交通网络速度预测，Sensors，17，4，818（2017）
[28] Mihaylova，L。；Boel，R。；Hegyi，A.，粒子滤波框架下的高速公路交通量估算，Automatica，43，2，290-300（2007）·Zbl 1111.93076号
[29] 莫，L。；谢林。；蒋，X。；Teng，G。；徐，L。；Xiao，J.，基于GMDH的集装箱吞吐量预测混合模型：非线性子序列中的选择性组合预测，应用。软计算。J.，62，478-490（2018）
[30] 蒙塔冯，G。；萨梅克，W。；Müller，K.R.，《解释和理解深层神经网络的方法》，数字。信号处理。，73, 1-15 (2018)
[31] Nelson，D.B.，《资产收益的条件异方差：一种新方法》，《计量经济学》，347-370（1991）·Zbl 0722.62069号
[32] Okutani，I。；Stephanedes，Y.J.，通过卡尔曼滤波理论动态预测交通量，交通运输。决议B，18，1，1-11（1984）
[33] 波尔森，N.G。；Sokolov，V.O.，《短期交通流量预测的深度学习》，交通运输。决议C，79，1-17（2017）
[34] Qu，L。；李，L。；Zhang，Y。；Hu，J.，基于PPCA的交通流量缺失数据插补：系统方法，IEEE Trans。智力。运输。系统。，2015年3月10日-522（2009年）
[35] Schmidhuber，J.J.，《神经网络中的深度学习：概述》，神经网络。，61, 85-117 (2015)
[36] Sohn，K。；Kim，D.，预测路段行程时间变化的统计模型，J.Transp。工程，135，7，440-453（2009）
[37] Stathopoulos，A。；Karlaftis，M.G.，城市交通流建模和预测的多元状态空间方法，交通。决议C，11，2，121-135（2003）
[38] H.Sun，H.X.Liu，H.Xiao，R.R.He，B.Ran，使用局部线性回归模型进行短期交通预测，载于：华盛顿特区交通研究委员会第82届年会，2003年。
[39] Sun，S。；Xu，X.，无限混合高斯过程的变分推断及其在交通流预测中的应用，IEEE Trans。智力。运输。系统。，12, 2, 466-475 (2011)
[40] Sun，S。；张，C。；Yu，G.，交通流预测的贝叶斯网络方法，IEEE Trans。智力。运输。系统。，7, 1, 124-132 (2006)
[41] Tsay，R.S.，《金融时间序列分析》，第543卷（2005），John Wiley&Sons·Zbl 1086.91054号
[42] 伊利诺伊州弗拉吉亚尼。；Karlaftis，M.G。；Golias，J.C.，《短期交通预测：我们在哪里，我们要去哪里》，交通运输。决议C，43，3-19（2014）
[43] Whittaker，J。；加赛德，S。；Lindveld，K.，《跟踪和预测网络流量过程》，《国际预测杂志》。，13, 1, 51-61 (1997)
[44] 威廉姆斯，B。；Durvasula，P。；Brown，D.，《城市高速公路交通流预测：季节性自回归综合移动平均和指数平滑模型的应用》，交通运输。Res.Rec.，1644，1，132-141（1998）
[45] 威廉姆斯，B.M。；Hoel，L.A.，《作为季节ARIMA过程的车辆交通流建模和预测：理论基础和实证结果》，J.Transp。工程，129，664-672（2003）
[46] Yu，G。；胡，J。；张，C。；庄，L。；Song，J.，基于马尔可夫链模型的短期交通流预测，（2003年IEEE智能车辆研讨会（2003），IEEE），208-212
[47] Yu，H。；吴，Z。；王，S。；王，Y。；Ma，X.，用于交通网络交通预测的时空递归卷积网络，传感器，17，7，1501（2017）
[48] 张，T。；胡，L。；刘，Z。；Zhang，Y.，短期交通流预测的非参数回归，（机械自动化与控制工程，2010年国际会议，IEEE），2850-2853
[49] 张，L。；刘，Q。；杨伟（Yang，W.）。；魏，N。；Dong，D.，用于短期交通流预测的改进的k近邻模型，Proced-社会行为。科学。，96, 653-662 (2013)
[50] Zhang，Y.Y.Y。；Zhang，Y.Y.Y。；Haghani，A.，一种基于谱分析和统计波动模型的混合短期交通流预测方法，Transp。研究C，43，65-78（2014），arXiv:arXiv:1607.03443v1
[51] 赵，Z。；Chen，W。；吴，X。；Chen，P.C.Y。；Liu，J.，LSTM网络：短期交通预测的深度学习方法，IET Intell。运输。系统。，11, 2, 68-75 (2017)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。