贴一下汇总贴：论文阅读记录

论文链接：《Traffic Flow Prediction With Big Data:A Deep Learning Approach》

一、摘要

准确、及时的交通流信息对智能交通系统的成功部署至关重要。在过去的几年里，交通数据呈爆炸式增长，我们真正进入了交通大数据时代。现有的交通流预测方法主要采用浅层交通预测模型，在许多实际应用中仍不满足要求。这一情况促使我们重新思考基于大交通数据的深度架构模型的交通流预测问题。本文提出了一种基于深度学习的交通流预测方法，该方法考虑了交通流的时空相关性。一种堆叠的自动编码器模型用于学习通用的交通流特征，并以一种贪婪的分层方式进行训练。据我们所知，这是第一次使用自动编码器作为构建块应用深度架构模型来表示用于预测的交通流特征。实验结果表明，所提出的交通流预测方法具有较好的预测性能。

文章主要内容

使用深度学习架构，嵌入Stacked AutoEncoder（SAE）堆叠自编码器作为主体网络结构块来预测交通流。

深度学习的优势：深度学习算法利用多层或深度神经网络体系结构，从最低层次到最高层次逐渐提取数据的固有特征，能够发现数据中大量的内在结构特征。

标签：交通流,02,编码器,预测,泛读,学习,深度,数据
来源： https://blog.csdn.net/qq_41485273/article/details/113650951