东南大学-威斯康星大学智能网联交通联合研究院
东南大学-威斯康星大学智能网联交通联合研究院
《IEEE Transactions on ITS》发表研究院陆文琦博士的论文《Lane-Level Traffic Speed Forecasting: A Novel Mixed Deep Learning Model》
2020-12-07 作者： 来源： 浏览：1092

近日，《IEEE Transactions on Intelligent Transportation Systems》（IEEE T-ITS）期刊发表了我院陆文琦博士的论文《Lane-Level Traffic Speed Forecasting: A Novel Mixed Deep Learning Model》。IEEE T-ITS是美国电气和电子工程师协会（IEEE）智能交通分会的旗舰期刊，该期刊被SCI和SSCI同时收录检索，该期刊现为月刊，最新SCI影响因子6.492，是交通领域影响因子最高的国际权威期刊之一。IEEE T-ITS重点发表智能交通系统的高水平学术论文，是交通信息工程及控制学科公认的国际顶级期刊。

论文解决了预测车道级短期交通速度的问题，通过协调卷积长短期记忆（Conv-LSTM）层、卷积层和一个密集层的端到端结构，提出了一个新颖的混合深度学习（MDL）模型。Conv-LSTM神经网络的引入使得所提出的MDL模型能够更好地同步捕捉基于车道的动态交通流的时空特征和关联性。为了提高模型的效率，提出了一种基于最大信息系数的特征相关性分析方法，以衡量历史交通流与待预测交通速度之间的相关性。通过安装在北京高速公路上的远程交通微波传感器收集的地面真实交通流量数据的验证，MDL模型能够有效地捕捉到不同类型车道的车速在全天的波动情况。此外，研究结果证实，MDL模型在预测精度和时空分布方面比几个最先进的基准模型具有更好的预测性能。