論文–Learning to Predict Bus Arrival Time From Heterogeneous Measurements via Recurrent Neural Network

摘要：本文提出通過RNN利用多時間步長之間的遠(yuǎn)程依賴關(guān)系對公交到達(dá)進行預(yù)測。使用one-hot編碼將異構(gòu)信息融合到統(tǒng)一的向量空間中。框架中包括動態(tài)信息（歷史軌跡數(shù)據(jù)）和靜態(tài)信息（基礎(chǔ)設(shè)施的統(tǒng)計數(shù)據(jù)）。our goal is to propose a nonlinear prediction model which exploits the heterogeneous measurements and long-range dependencies across multiple time steps.

Related Work：已有的公車到達(dá)時間預(yù)測研究主要分為三種：基于回歸，基于過濾器，基于搜索三種方法。
回歸：SVM（不適用于大型問題），MLP（不能用于多步預(yù)測）。SSNN（State Space Neural Network，只能建立短期依賴關(guān)系，不能建立長期的）。
過濾器：該方法假設(shè)到達(dá)時間是基于最后一個路段預(yù)測的。卡爾曼濾波器（KF）
搜索：“替代預(yù)測”策略，歷史平均數(shù)據(jù)用于預(yù)測，k-NN，數(shù)據(jù)太多時會造成計算量太大

模型
input：



output：

總結(jié)

以上是生活随笔為你收集整理的论文--Learning to Predict Bus Arrival Time From Heterogeneous Measurements via Recurrent Neural Networ的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。