基於深度學習的道路短期交通狀態時空序列預測

內容簡介

這本書系統闡述了深度學習方法論在道路短期交通狀態時空序列預測領域的**研究成果。需要著重說明以下幾點：（1）領域限定在了道路交通，因為交通是個大系統，存在著航空、水運、道路等多種運輸方式，而本書所闡述的研究均是針對道路交通領域的數據以及面向道路交通領域的套用；（2）本書所討論的研究問題是道路短期交通狀態時空序列預測問題，該問題是時空數據挖掘領域中時空預測問題的一個重要子集，在本書的第1章中將會對這個問題進行數學上的形式化定義；（3）本書針對道路短期交通狀態時空序列預測問題的討論，完全是基於深度學習的方法論，所參考的文獻絕大部分發表於2017年以後，並不涵蓋前人對該研究問題所採用的全部方法論（如ARIMA，卡爾曼濾波、SVR等）。

作者簡介

崔建勛，哈爾濱工業大學交通學院副教授碩士生導師，長期從事人工智慧與道路交通的交叉領域研究，主要研究方向包括基於深度學習的短時交通狀態預測、基於深度強化學習的自動駕駛決策規劃與控制等。

基於深度學習的道路短期交通狀態時空序列預測

基本介紹

內容簡介

作者簡介

相關詞條

熱門詞條