来源：期刊VIP网 时间：
作者：于强;康洪超;蔺大朋;高琳琦;
单位：天津市大数据管理中心;长安大学信息工程学院;天津师范大学计算机与信息工程学院;
摘要：提出了一种语境特征注入的交通流速度预测模型，该方法通过循环神经网络和深度置信网络分别学习和提取交通流速度数据的时间序列特征和语境特征，使用向量融合机制将提取到的语境特征注入时间序列特征中，生成新的融合特征，用于交通流速度预测.实验结果表明，所提模型能够反映交通流模式的真实状况，准确捕捉到交通流速度的随机变化，具有较好的预测性能.在5 min和10 min等6个时间尺度上，模型的预测误差均优于其他对比模型.
关键词：交通流预测;;时间序列;;语境特征;;门控循环单元;;深度置信网络
基金资助：天津市教委社会科学重大项目（2020JWZD19）;; 北京市教委科技计划资助项目（KM201810028021）
