Indexed by：
Abstract：
提出一种基于注意力机制的时空特征深度学习模型.通过卷积神经网络去学习行程过程中所花费的时间和距离,以及交通拥堵状态信息;然后,通过注意力机制从通道和空间两个角度去捕获影响行程中路段通行时间的异常信息.最后采用双层的长短时记忆网络去学习行程中的路段序列信息,并通过多任务的学习机制从路径和路段两个角度出发去预测路径通行时间.研究结果表明:提出的方法与DEEPTRAVEL模型相比,预测精度的平均绝对误差和平均绝对百分比误差分别提升了 8.23％和 20.79％.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
CN： 35-1337/N
Year： 2023
Issue： 3
Volume： 51
Page： 340-346
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 48
Affiliated Colleges：
