典型文献
考虑区域占有率的RTCN路内停车泊位预测模型
文献摘要：
针对汽车停车过程中反复寻泊产生无效交通量这一问题,以向公众提供准确的实时及预测的停车位信息为目标,考虑到当前卷积神经网络(CNN)和递归神经网络(RNN)在空闲泊位短时预测的研究中存在的缺陷,同时为了解决路内停车样本数过少的问题,将RAdam算子引入TCN模型中,其中,TCN模型用于提取空闲泊位的时间特征,RAdam算子用于解决停车样本数过少的不足.为了解决空闲泊位数预测空间特征提取,在分析区域占有率和空闲泊位数相关关系的基础上,提出考虑区域占有率的RTCN短时空闲泊位数预测模型,最后以广东省深圳市南山区的路内停车路段为例进行分析.结果表明:RTCN模型的训练时间远远低于LSTM和GRU模型,并且均方根误差和平均绝对误差也低于LSTM和GRU模型,将区域占有率引入RTCN模型后,预测精度得到进一步提升,本文提出的模型不仅有效降低了预测误差还提高了模型的训练速度.
文献关键词：
空闲泊位数预测;TCN神经网络;RAdam;区域占有率
中图分类号：
作者姓名：
徐建闽;朱琳聪;马莹莹
作者机构：
华南理工大学土木与交通学院,广东广州510640
文献出处：
引用格式：
[1]徐建闽;朱琳聪;马莹莹-.考虑区域占有率的RTCN路内停车泊位预测模型)[J].广西大学学报（自然科学版）,2022(01):112-123
A类：
区域占有率,RTCN,停车泊位预测,空闲泊位数预测
B类：
路内停车,停车过程,交通量,向公众提供,停车位,车位信息,递归神经网络,RNN,短时预测,RAdam,时间特征,空间特征提取,广东省深圳市,深圳市南山区,车路,路段,训练时间,GRU,平均绝对误差,预测误差,训练速度
AB值：
0.193186
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
