论文部分内容阅读
本文提出了一种基于神经网络的流量预测方法——动态小波变换网络模型,该模型结合了动态小波变换和门控递归单元。动态小波变换模块负责学习交通流量中的复杂特征关系,门控递归单元则利用学习交通数据的动态变化来捕捉时间依赖关系。在基于城市道路的交通预测上进行应用,实验结果表明,DWNN模型能够有效获得交通数据的时间相关性,更好地反映城市交通流量的变化特征。