利用卷積神經網絡識別交通指數時間序列模式

作者：盧劍,張學東,張健欽,郭小剛,張悅穎

摘要：城市交通時間序列模式識別主要基于距離計算和特征提取兩種方法,但前者結果受到時間序列非線性特征的影響,后者難以提取多時間段Shapelet子序列。為準確識別城市交通指數數據模式,提出了基于卷積神經網絡對交通時間序列數據進行模式識別的方法。首先將時間序列數據預處理成N維矩陣,確定神經網絡模型的輸入數據;然后通過反復訓練特征網絡提取輸入層的特征信息,確定交通指數的模式類型;最后利用Softmax分類器進行模式分類,實現交通指數類別劃分。實驗以2016—2018年北京市全市交通指數時間序列模式識別為例,對比發現,該方法能更準確地將交通指數時間序列數據劃分為符合真實情況的5類模式。該方法對時間序列數據模式識別更準確,適合呈現時間階段性變化的數據間相關性研究和模式發現。

發文機構：北京建筑大學測繪與城市空間信息學院

關鍵詞：交通指數卷積神經網絡時間序列數據模式識別層次聚類traffic indexconvolutional neural networktime series datapattern recognitionhierarchical clustering

分類號： U491[交通運輸工程—交通運輸規劃與管理]