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程依賴關系對公交到達進行預測。使用one-hot編碼將異構信息融合到統一的向量空間中。框架中包括動態信息（歷史軌跡數據）和靜態信息（基礎設施的統計數據）。our goal is to propose a nonlinear prediction model which exploits the heterogeneous measurements and long-range dependencies across multiple time steps.

Related Work：已有的公車到達時間預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（不能用于多步預測）。SSNN（State Space Neural Network，只能建立短期依賴關系，不能建立長期的）。
過濾器：該方法假設到達時間是基于最后一個路段預測的。卡爾曼濾波器（KF）
搜索：“替代預測”策略，歷史平均數據用于預測，k-NN，數據太多時會造成計算量太大

模型
input：



output：

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。