您当前的位置：
首页 >
文章列表页 >
基于时空特征深度学习模型的路径行程时间预测
交通运输工程·土木工程 | 更新时间：2025-05-26
上一篇|下一篇

    • 基于时空特征深度学习模型的路径行程时间预测

    • Route travel time prediction on deep learning model through spatiotemporal features

    • “在路径行程时间预测领域，研究者提出了一种结合CNN和LSTM的时空特征深度学习网络模型，有效提升了预测精度和效率。”
    • 李先通 ，全威 ，王华 ，孙鹏程 ，安鹏进 ，满永兴
    • 吉林大学学报（工学版） 2022年52卷第3期 页码：557-563
    • 作者机构：

      哈尔滨工业大学 交通科学与工程学院，哈尔滨 150001

    • 作者简介：

      李先通（1973-），男，讲师，博士. 研究方向：智能交通系统，交通数据分析. E-mail： lxt@hit.edu.cn

      王华（1974-），男，教授，博士. 研究方向：模式识别，智能数据采集与分析. E-mail： wanghua@hit.edu.cn

    • 基金信息：
      哈尔滨市科技创新人才青年后备人才项目(2017RAQXJ093)

    • DOI： 10.13229/j.cnki.jdxbgxb20200803     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 6 ) 表( 2 )

  • 参考文献

  • 出版信息

  • 数据统计

31

浏览量

20

下载量

3

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于双通道时序特征融合网络的叶片覆冰检测算法
基于特征融合注意力的RGB-D语义分割算法
基于深度学习的工业故障诊断综述
基于扩散模型和DenseNet的少样本齿轮箱故障诊断方法
基于改进YOLOv5的双模态图像融合行人检测方法

相关作者

周求湛
陈霄
汪锋
张雯
李琛
武慧南
邓琬超
刘萍萍

相关机构

吉林大学 通信工程学院
华锐风电科技（江苏）有限公司
吉林大学 计算机科学与技术学院
长春理工大学 物理学院
温州理工学院 建筑与能源工程学院