您当前的位置：
首页 >
文章列表页 >
CapsNet融合D-BiLSTM的区域复杂路网交通速度预测
交通运输工程·土木工程 | 更新时间：2025-05-26

    • CapsNet融合D-BiLSTM的区域复杂路网交通速度预测

    • Traffic speed prediction of regional complex road networks integrating CapsNet with D-BiLSTM

    • “在交通预测领域，研究者提出了结合胶囊网络和深层双向LSTM的深度学习模型，有效提高了复杂路网交通预测精度。”
    • 吉林大学学报（工学版）   2024年54卷第9期 页码：2531-2539
    • 作者机构：

      1.兰州理工大学 计算机与通信学院， 兰州 730050

      2.兰州城市学院 信息工程学院， 兰州 730070

    • 作者简介：

      曹洁（1966-），女，教授，硕士.研究方向：模式识别理论及应用，智能交通系统.E-mail：caoj@lut.edu.cn

      张红（1977-），女，副教授，博士.研究方向：机器学习算法及应用，智能交通.E-mail：zhanghong@lut.edu.cn

    • 基金信息：
      甘肃省重点研发计划项目(23YFGA0063);国家自然科学研究基金项目(62363022;61663021)

    • DOI：10.13229/j.cnki.jdxbgxb.20221455    

      中图分类号： TP183

    • 收稿：2022-11-14，

      纸质出版：2024-09-01

    移动端阅览

  • 曹洁,苏广,张红等.CapsNet融合D-BiLSTM的区域复杂路网交通速度预测[J].吉林大学学报（工学版）,2024,54(09):2531-2539. DOI： 10.13229/j.cnki.jdxbgxb.20221455.

    CAO Jie,SU Guang,ZHANG Hong,et al.Traffic speed prediction of regional complex road networks integrating CapsNet with D-BiLSTM[J].Journal of Jilin University(Engineering and Technology Edition),2024,54(09):2531-2539. DOI： 10.13229/j.cnki.jdxbgxb.20221455.

  •  
  •  

0

浏览量

8

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于改进残差胶囊网络和麻雀搜索的脑瘤图像分类
致密油平台式“工厂化”水平井优化设计——以松辽盆地三肇凹陷肇源地区Y63井区扶余油层为例
松辽盆地徐家围子断陷沙河子组物源特征及对储集砂体的控制作用
酒泉盆地营尔凹陷油—源地质分布关系
塔里木盆地英买力地区白垩系舒善河组相对湖平面变化

相关作者

李晨旭
王翔宇
刘一申
吴佳倩
杨晴然
王生生
姚志林

相关机构

吉林大学 计算机科学与技术学院
东北师范大学附属中学
0