华南理工大学学报(自然科学版)

作者：袁华 陈泽濠

单位：华南理工大学 计算机科学与工程学院，广东 广州 510640

关键词：短时交通流预测,时间卷积网络,深度学习

基金：广东省自然科学基金资助项目 (2018A030313309，2015A030308017)

短时交通流预测是智能交通系统实现交通控制与交通诱导的关键所在。传统一维卷积神经网络 (CNN) 在短时交通流预测上难以获取长时记忆，同时存在信息泄露的问题。文中提出扩张 － 因果卷积神经网络 (DCFCN)，引入扩张卷积来增加感受野大小，获取序列的长时记忆; 同时，引入因果卷积来解决信息泄露问题。DCFCN 由 6 层卷积层堆叠而成，每层通过 Padding 的方式实现因果卷积，扩张系数逐层呈指数增长。实验结果表明，文中提出的 DCFCN 在短时交通流预测上优于其他对比模型，且在 GPU上计算效率明显提升。

来源：2020年第11期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第11期