一种基于ResLS-C深度学习组合的交通状态预测方法
授权
摘要
本发明公开了一种基于ResLS‑C深度学习组合的交通状态预测方法，从残差网络中提取城市的整体空间特征，不仅可以提取高层空间特征而且解决了CNN梯度消散的缺点。利用长短时记忆网络模型挖掘交通流的时间序列特征。通过反卷积操作将卷积隐藏层中特征属性还原至原始空间内，计算真实值与预测值的损失更为准确。并且呈现预测数据的可视化效果更为直观，有效提高预测模型算法的直观性、空间可解释性、可操作性以及准确率。
基本信息
专利标题 ：
一种基于ResLS-C深度学习组合的交通状态预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113222206A
申请号 ：
CN202110121993.8
公开（公告）日 ：
2021-08-06
申请日 ：
2021-01-29
授权号 ：
CN113222206B
授权日 ：
2022-05-13
发明人 ：
郑文苏蓓赵慧敏周亚琪
申请人 ：
太原理工大学
申请人地址 ：
山西省太原市迎泽西大街79号
代理机构 ：
太原晋科知识产权代理事务所(特殊普通合伙)
代理人 ：
王军
优先权 ：
CN202110121993.8
主分类号 ：
G06Q10/04
IPC分类号 ：
G06Q10/04 G06Q50/26 G06N3/04 G06N3/08 G08G1/01
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06Q
专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10/00
行政；管理
G06Q10/04
预测或优化，例如线性规划、“旅行商问题”或“下料问题”
法律状态
2022-05-13 ：
授权
2021-08-24 ：
实质审查的生效
IPC(主分类) : G06Q 10/04
申请日 : 20210129
申请日 : 20210129
2021-08-06 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
