(5)基于深度学习的短时道路交通流预测_short-term traffic flow prediction with convlstm-程序员宅基地

交通预见未来 (5)基于深度学习的短时道路交通流预测

1、文章信息

《Short-Term Traffic Flow Prediction with Conv-LSTM》。

这篇文章是一篇会议论文，2017第九届无线通信与信号处理国际会议(WCSP)，福州大学物理与信息工程学院的几位老师，被引10次。

2、主体内容

本文提出了一种基于深度学习的短时交通流预测方法。交通流数据包含三个主要特征:时间特征、空间特征和周期性特征。我们把CNN和LSTM结合起来生成一个ConvLSTM模块，用于提取交通流的时空特征，然后使用Bi-LSTM(双向LSTM，Keras中有相应模块)提取交通流的周期特征。

利用ConvLSTM模块对相邻区域的短时交通流数据进行处理，提取时空特征;利用双向LSTM对预测点历史交通数据进行处理，提取交通流数据的周期特征。提出了一种无需数据预处理和数据特征提取的端到端深度学习短时交通流预测体系结构。最后，集中时空特征和周期特征对交通流进行预测。

3、创新点

既使用了ConvLSTM，又使用了Bi-LSTM, 结构新颖。

4、大家比较关注的算法实现

我们将交通流数据映射到一维向量。我们将预测点的交通流数据放入向量中心，根据与预测点的距离，将其他点的交通流数据依距离放在该向量中心（预测点）两侧。

将不同时刻的一维空间信息向量组合成矩阵如下：

其中s表示预测点（一列代表一个预测点），t表示时间。

周期数据可以表示为以下矩阵：

其中d代表昨天的相同时刻，w代表上周的相同时刻。

上述数据矩阵即为本文提出的深度神经网络结构的输入数据。其中，损失函数为MSE，优化器为RMSprop。

4.1 ConvLSTM的结构

ConvLSTM的输入数据既为公式3.1。一行作为一个向量，代表着一个time step所有预测点之间的空间信息，我们使用一维Conv（Conv1D）对公式3.1中的每一行进行处理，自然也是利用一维卷积核滤波器（kernal size=1），通过滑动滤波器获取每个time step局部感知域的卷积信息(空间信息)。然后，将局部特征聚合成全局特征。

紧接着加池化层，不同之处在于池化滤波器不进行复杂的卷积运算。本文中使用一维平均池化层(AveragePooling1D)。通过池化将生成的特征序列C缩减到原维度的一半大小。这两种特征提取使得深度神经网络在处理交通流数据时具有更高的失真容忍度。

分别对时间序列向量(式3.1中的每一行)的各个元素进行卷积和池化处理后，输出结果变为时间序列向量Ct = (C1, C2, C3，…,Ct)。向量中的每个元素都是区域内各点间交通流的空间相关性。（该表达式中每个元素代表着一个行向量，行向量的维度比式3.1中行向量的维度要小，因为经过了池化）

上面得到的时间序列向量Ct即为LSTM的输入数据。

4.2 双向LSTM的结构（Bi-directional LSTM）

交通流也具有很强的周期性特征。本文将增加交通流的周期性特征作为补充信息来预测短期交通流。在提取交通流数据的周期性特征时，我们会同时处理前一天的同一时间和上一周的同一时间的交通流信息。在处理了历史信息后，得到了全时间序列数据（我想应该是将上一周的数据和前一天的数据放到预测当天数据的前面，组成全时间序列数据以获取周期性信息。）。

双向LSTM的结构由上下堆叠的两个单向LSTM组成。因此，Bi-LSTM输入包含预测时间前后的时间序列，在每个T时刻，输入序列被输入给两个方向相反LSTM，输出由两个LSTM决定。每个反向LSTM的误差传播与正向LSTM传播算法相同。Bi-LSTM结构如下图所示，其中xi为LSTM的输入，Of为正向LSTM的输出，Ob表示反向LSTM的输出。

简单来说，就是再Keras中将LSTM换成Bidirectional(LSTM)即可。一些细节信息例如使用了多少个timestep, 历史数据如何处理输入到Bi-LSTM中，池化前后的维度变化等，文章交代的并不清楚，毕竟会议论文。

关注微信公众号《当交通遇上机器学习》，后台回复“数据”即可获取高达175G的四个月的滴滴GPS数据和滴滴订单数据的获取方式，以及从数据处理（Oracle数据库）、模型构建（机器学习）、编程实现（python）到可视化（ArcGIS）等一系列视频教程。

公众号以交通大数据为主线，专注于人工智能、机器学习、深度学习在道路交通和轨道交通领域内的科研前沿与应用，在交通大数据与机器学习的道路上越走越远！

本文链接：https://blog.csdn.net/zuiyishihefang/article/details/90694131

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

5个超厉害的资源搜索网站，每一款都可以让你的资源满满！_最全资源搜索引擎-程序员宅基地

文章浏览阅读1.6w次，点赞8次，收藏41次。生活中我们无时不刻不都要在网站搜索资源，但就是缺少一个趁手的资源搜索网站，如果有一个比较好的资源搜索网站可以帮助我们节省一大半时间！今天小编在这里为大家分享5款超厉害的资源搜索网站，每一款都可以让你的资源丰富精彩！网盘传奇一款最有效的网盘资源搜索网站你还在为找网站里面的资源而烦恼找不到什么合适的工具而烦恼吗？这款网站传奇网站汇聚了4853w个资源，并且它每一天都会持续更新资源；..._最全资源搜索引擎

Book类的设计(Java)_6-1 book类的设计java-程序员宅基地

文章浏览阅读4.5k次，点赞5次，收藏18次。阅读测试程序，设计一个Book类。函数接口定义：class Book{}该类有四个私有属性分别是书籍名称、价格、作者、出版年份，以及相应的set 与get方法；该类有一个含有四个参数的构造方法，这四个参数依次是书籍名称、价格、作者、出版年份。裁判测试程序样例：import java.util.*;public class Main { public static void main(String[] args) { List <Book>_6-1 book类的设计java

基于微信小程序的校园导航小程序设计与实现_校园导航微信小程序系统的设计与实现-程序员宅基地

文章浏览阅读613次，点赞28次，收藏27次。相比于以前的传统手工管理方式，智能化的管理方式可以大幅降低学校的运营人员成本，实现了校园导航的标准化、制度化、程序化的管理，有效地防止了校园导航的随意管理，提高了信息的处理速度和精确度，能够及时、准确地查询和修正建筑速看等信息。课题主要采用微信小程序、SpringBoot架构技术，前端以小程序页面呈现给学生，结合后台java语言使页面更加完善，后台使用MySQL数据库进行数据存储。微信小程序主要包括学生信息、校园简介、建筑速看、系统信息等功能，从而实现智能化的管理方式，提高工作效率。

有状态和无状态登录

传统上用户登陆状态会以 Session 的形式保存在服务器上，而 Session ID 则保存在前端的 Cookie 中；而使用 JWT 以后，用户的认证信息将会以 Token 的形式保存在前端，服务器不需要保存任何的用户状态，这也就是为什么 JWT 被称为无状态登陆的原因，无状态登陆最大的优势就是完美支持分布式部署，可以使用一个 Token 发送给不同的服务器，而所有的服务器都会返回同样的结果。有状态和无状态最大的区别就是服务端会不会保存客户端的信息。

九大角度全方位对比Android、iOS开发_ios 开发角度-程序员宅基地

文章浏览阅读784次。发表于10小时前| 2674次阅读| 来源TechCrunch| 19 条评论| 作者Jon EvansiOSAndroid应用开发产品编程语言JavaObjective-C摘要：即便Android市场份额已经超过80%，对于开发者来说，使用哪一个平台做开发仍然很难选择。本文从开发环境、配置、UX设计、语言、API、网络、分享、碎片化、发布等九个方面把Android和iOS_ios 开发角度

搜索引擎的发展历史

搜索引擎的发展历史可以追溯到20世纪90年代初，随着互联网的快速发展和信息量的急剧增加，人们开始感受到了获取和管理信息的挑战。这些阶段展示了搜索引擎在技术和商业模式上的不断演进，以满足用户对信息获取的不断增长的需求。

随便推点

控制对象的特性_控制对象特性-程序员宅基地

文章浏览阅读990次。对象特性是指控制对象的输出参数和输入参数之间的相互作用规律。放大系数K描述控制对象特性的静态特性参数。它的意义是：输出量的变化量和输入量的变化量之比。时间常数T当输入量发生变化后，所引起输出量变化的快慢。（动态参数） ..._控制对象特性

FRP搭建内网穿透(亲测有效)_locyanfrp-程序员宅基地

文章浏览阅读5.7w次，点赞50次，收藏276次。FRP搭建内网穿透1.概述：frp可以通过有公网IP的的服务器将内网的主机暴露给互联网，从而实现通过外网能直接访问到内网主机；frp有服务端和客户端，服务端需要装在有公网ip的服务器上，客户端装在内网主机上。2.简单的图解：3.准备工作：1.一个域名（www.test.xyz）2.一台有公网IP的服务器(阿里云、腾讯云等都行)3.一台内网主机4.下载frp，选择适合的版本下载解压如下：我这里服务器端和客户端都放在了/usr/local/frp/目录下4.执行命令# 服务器端给执_locyanfrp