基于卷积门控循环网络的居民出行模式识别
丁咏梅
黄锐
1.武汉科技大学 理学院,湖北 武汉 4300652.武汉科技大学 理学院,湖北 武汉 430065
摘要：关注城市居民出行的特征及其交通方式选择行为,对于实现绿色交通具有重要的现实意义.该文基于GeoLife数据集,利用卷积神经网络(CNN)、门控循环单元(GRU)和混合模型(CNN-GRU)对居民的出行特征及规律进行研究.通过测试和对比分析表明:CNN-GRU模型具有较好的识别效果,且优于单独采用CNN和GRU分类方法的识别性能.
关键词：出行模式识别GPS轨迹数据卷积神经网络门控循环单元
分类号：TP181(自动化基础理论)
资助基金：冶金工业过程系统科学湖北省重点实验室项目(Y201902)
论文发表日期：2020-12-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 75-80 )
英文信息