(29) 时空循环卷积神经网络用于交通速度预测_a spatiotemporal convolutional lstm network for tr-程序员宅基地
交通预见未来(29): 时空循环卷积神经网络用于交通速度预测
1、文章信息
《Spatiotemporal Recurrent Convolutional Networks for Traffic Prediction in Transportation Networks》。
北航2017年发在sensors上的一篇文章。
2、摘要
近几十年来，大规模交通网络流量预测已成为一个重要而具有挑战性的课题。受运动预测领域的启发，提出了一种保留交通网络精细结构的网格表示方法。将整个网络的流量速度转换为一系列静态图像，并将其输入到一个新的深度架构中，即时空循环卷积网络(SRCNs)，用于流量预测。所提出的SRCNs继承了深卷积神经网络(DCNNs)和长短时记忆(LSTM)神经网络的优点。DCNNs可以捕获整个网络流量的空间依赖性，LSTMs可以学习流量的时间依赖性。以北京某交通网络为例，通过278个节点的实验，证明了SRCNs在短期和长期交通预测方面都优于其他基于深度学习的算法。
3、简介
在计算机视觉领域，深度学习比传统的图像处理方法具有更好的性能。运动预测中的深度学习是基于同一物体的一系列历史场景来预测物体未来运动的研究领域。基于该方法的成功，通过基于网格的分割方法，将全网范围内的交通速度作为静态图像的集合，其中每个像素代表一个路段或多个路段的交通状况。随着时间的推移，整个网络的流量也在变化。给定一个包含动画的静态图像序列，我们能预测每个像素的未来运动吗? 深度学习框架在提高运动预测精度方面具有优势。在学习视频序列时，应同时考虑空间和时间的长期依赖性。卷积神经网络(CNNs)采用带卷积滤波器的层，通过滑动窗口提取局部特征，可以对附近或全市范围的空间依赖关系进行建模。为了学习长时间跨度的时间序列，Hochreiter和Schmidhuber于1997年提出的长短时记忆(long short-term memory, LSTM)神经网络(NNs)在短时交通预测中得到了有效的应用，并在捕捉交通流的长期时间依赖性方面取得了显著的效果。基于CNNs和LSTMs的成功，本文提出了一种基于时空图像的方法，利用时空循环卷积网络(SRCNs)来预测整个网络的流量状态。利用深度卷积神经网络(Deep convolutional neural networks, DCNNs)挖掘整个交通网络中各链路之间的空间特征，利用LSTMs学习交通拥堵演化的时间特征。将时空特征输入全连通层，学习大规模交通网络中各环节的交通速度模式，并对模型进行端到端的训练。
本文的贡献总结如下:
•开发了一个名为SRCN的混合模型，它结合了DCNNs和LSTMs来预测整个网络的流量速度。
•提出了一种新的交通网络表示方法，它可以在较好的尺度上保持交通网络的结构。
•将网络流量的特殊时间特征建模为一个视频，其中每个流量条件作为视频的一帧。在提出的SRCN体系结构中，DCNNs从网络的角度捕获近端和远端空间依赖关系，而LSTMs学习长期的时间依赖关系。通过DCNNs与LSTMs的集成，分析了整个网络的时空交通数据。
4、主体内容
（1）网络表示
假设要预测交通网络中每个路段的拥塞情况，用y表示，共n个路段。
Step1：选择一个交通网络(请参阅图2a), 根据道路情况把它分成n个路段,并根据公式(1)计算这些路段在一个特定的时间段内的平均速度（2分钟）,其中m和vj代表第i个路段上的车辆数和车辆的平均速度，不同的颜色表示速度(如图2b所示)。图3a显示了一个小型网络的示例。
Step2：使用一个小网格划分交通网络，网格的大小约为0.0001°×0.0001°，度表示经纬度，在北京，0.0001°约代表10米。划分出来的每个网格代表一个空间区域。
Step3：将平均速度映射到网格。空白区域的值设置为0;如果多个路段通过同一个网格，便将它们的平均速度分配给相应的网格(如图3c所示)，并将速度归一化到 (0,1)区间内(如图2c所示)。
使用基于网格的网络分割方法，保持不同路段之间的相对拓扑不变。这种处理可以保留道路的几何信息，如细粒度上的u型急转弯和交叉口。
（2）空间信息提取
空间信息可以通过深度卷积层来提取，因为路段之间的距离会因为卷积和池化过程而缩短图4a中每个网格框表示一个空间区域(类似于step2中的网络表示)，透明的绿色区域表示一个3×3卷积滤波器，相同颜色的线表示两个相邻的路段，不同颜色的线表示两个相距较远的路段。通过CNN的卷积和池化过程，图4b中的蓝线和红线之间的距离比图4a中的短。这些抽象特征对预测问题具有重要意义。
本文所使用的网络结构即为2层Conv2D再加全连接层。
（3）时间信息提取
时间信息即使用LSTM。
（4）时空循环卷积网络
本文所使用的网络结构为一个DCNN（包括两层Conv2D和一层全连接层）、两个LSTMs和一个全连接的层组成。
6、总结
文章相对比较简单，难点在于数据预处理，不过数据预处理这块也可以一劳永逸。文章是17年的，在那会相对来说还比较新颖。
文章所使用的数据为2015年6月1日至2015年8月31日共92天的北京出租车GPS数据。所使用的交通网络并非北京市全网，也是二环到三环之间共278个路段。对于所有方法，将time lag设置为15，这表示使用15×2 = 30 min预测未来交通状态。
Attention
如果你是轨道交通、道路交通、城市规划相关领域的，可以加微信：Dr_JinleiZhang，备注“进群”，加入交通大数据交流群！希望大家共同进步！
智能推荐
java ssm 运行步骤_SSM三大框架的运行流程、原理、核心技术详解-程序员宅基地
文章浏览阅读644次。一、Spring部分1、Spring的运行流程·第一步：加载配置文件ApplicationContext ac = new ClassPathXmlApplicationContext("beans.xml");，ApplicationContext接口，它由BeanFactory接口派生而来，因而提供了BeanFactory所有的功能。配置文件中的bean的信息是被加载在HashMap中的，一个..._ssm那个文件是运行
计算机的外围设备简介_计算机外围固定-程序员宅基地
文章浏览阅读6.1k次，点赞3次，收藏5次。外围设备介绍计算机的外围设备（简称外设）虽然很多，但按功能分大类只有四类：输入、输出、存储、网络通讯。有些专业计算机需要的外围设备也不尽相同，并不都需要这四类外围设备。外围设备可以按需要组装，有些专业计算机甚至可以将存储设备和主芯片集成到一片芯片上，从而不再需要外加存储设备。最早的计算机（那时还只能称为计算器，只能做简单运算，如ABC机和ENIAC机）输入只是一些拨码开关，只能输入数字（还得是二进_计算机外围固定
java 图片中加文字_java怎么在图片上加文字-程序员宅基地
文章浏览阅读1.5k次。java 图片中加文字_java怎么在图片上加文字
GBase8cGDCA认证模拟题题库（三）_如果需要打开delete语句的审计功能,需要开启下面哪个参数-程序员宅基地
文章浏览阅读720次，点赞20次，收藏6次。B 选项，在创建模式时，可以不指定模式名。C 选项，兼容模式可选值为 AB、C、PG.安装GBase 8c分布式集群时所需的配置文件gbase.yml，在解压GBase8cV5 S3.0.0BXX CentOS x86 64.tar.bz2压缩包生成的目录中得到。真值的有效文本值是: TRUE、t、"true'、y、yes'、"1'TRUE'、true、整数范围内1~2^63-1、整数范围内-1~-2^63。GBase 8c 使用create table 创建表时，不指定参数，默认是astore，行存表。_如果需要打开delete语句的审计功能,需要开启下面哪个参数
xml文件中几个名词_xml文件里面的名词-程序员宅基地
文章浏览阅读334次。1 xmlns是XML Namespaces的缩写，中文名称是XML(标准通用标记语言的子集)命名空间。 web-app是web.xml的根节点标签名称 version是版本的意思 xmlns是web.xml文件用到的命名空间 xmlns:xsi是指web.xml遵守xml规范 xsi:schemaLocation是指具体用到的schema资源_xml文件里面的名词
【OpenGL】中点圆、椭圆生成算法_用setpixel函数中点画圆算法代码c++-程序员宅基地
文章浏览阅读1.6w次，点赞12次，收藏69次。OpenGL 中点圆、椭圆生成算法_用setpixel函数中点画圆算法代码c++
随便推点
rem和vw的分析比较_rem和vw兼容性-程序员宅基地
文章浏览阅读6.5k次，点赞3次，收藏9次。rem：首先rem是css单位，相比于px固定的像素单位，rem是相对像素单位，更加的灵活。需求存在：现在移动端各种屏幕的出现，适应性就更加的强烈。根据分辨率的不同让html的字体大小变化。一、基本原理：我们在页面中写rem，由于rem是相对于根元素字体大小来计算的，那么就可以实现自适应的效果。Rem原理举例：设计稿宽度：x px移动设备宽度：y pxHtml中font-size..._rem和vw兼容性
【Ubuntu】Ubuntu 20.04安装Python3.7_ubuntu server 20.04 完整安装python3.7-程序员宅基地
文章浏览阅读1.6w次，点赞5次，收藏81次。注意：转入root权限下1. 升级# sudo apt update# sudo apt upgrade -y2. 安装编译Python源程序所需的包# sudo apt install build-essential -y# sudo apt install libncurses5-dev libgdbm-dev libnss3-dev libssl-dev libreadline-dev libffi-dev -y# sudo apt-get install zlib1g-dev._ubuntu server 20.04 完整安装python3.7
matlab建模DNA双链,PPT绘制科研图形—DNA双链、分子细胞模型-程序员宅基地
文章浏览阅读1.3k次。原标题：PPT绘制科研图形—DNA双链、分子细胞模型 PPT绘制DNA双链 1用矩形工具画一个矩形如下，线条颜色设置为无，填充色如下图蓝色 2选中矩形框，选择菜单栏的“格式—— 编辑形状——转换为任意多边形” 3这个时候再看下“编辑形状”，可以看到“编辑顶点” 已经为可用状态 4点击“编辑顶点“，矩形框四个角变为黑色实点。可以拖动实点变为如下图示。然后在边缘上右键，选择”添加顶点“，添加如下顶点 ..._matlab双螺旋结构模型图怎么画
duilib vs2015 安装_DuiLib（1）——简单的win32窗口-程序员宅基地
文章浏览阅读169次。资源下载https://yunpan.cn/cqF6icWRN5CTc 访问密码 92e3 注：DUILIB库.7z 是vs2015下编译好的动态库及静态库，如上图所示一、新建一个win32工程项目设置中选择：debug，常规中：全程无优化-全程无优化，多线程调试 (/MTd)；我的项目选择的是静态编译，使用的是静态库，就不需要带duilib.dll文件了代码如下：#include #inclu..._vs2015使用duilib
OpenGL: 渲染管线理论详解_通过此次实验你对固定渲染管线的opengl编程有什么了解。-程序员宅基地
文章浏览阅读5k次，点赞4次，收藏13次。学习着色器，并理解着色器的工作机制，就要对OpenGL的固定功能管线有深入的了解。首先要知道几个OpenGL的术语：渲染(rendering)：计算机根据模型(model)创建图像的过程。模型(model)：根据几何图元创建的物体(object)。几何图元：包括点、直线和多边形等，它是通过顶点(vertex)指定的。 最终完成了渲染的图像是由在屏幕上绘制的像素组成的。在内存中，和像素有关的信息（如像素的颜色）组织成位平面的形式，位平面是一块内存区域，保存了屏幕上每个像素的一个位的信息。_通过此次实验你对固定渲染管线的opengl编程有什么了解。
Android MPAndroidChart：动态添加统计数据线【8】_android 动态统计-程序员宅基地
文章浏览阅读3.9k次。Android MPAndroidChart：动态添加统计数据线【8】本文在附录相关文章6的基础上，动态的依次增加若干条统计折线（相当于批量增加数据点）。布局文件：