• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于多層復(fù)雜網(wǎng)絡(luò)的循環(huán)神經(jīng)網(wǎng)絡(luò)交通量預(yù)測模型

    2024-11-21 00:00:00溫志勇翁小雄謝幫權(quán)
    現(xiàn)代電子技術(shù) 2024年22期

    摘" 要: 針對未安裝車流量檢測設(shè)備的高速公路路段進行短時交通量準確預(yù)測,是一個亟待解決的問題。為此,提出一種基于復(fù)雜網(wǎng)絡(luò)的循環(huán)神經(jīng)網(wǎng)絡(luò)路段短時交通量預(yù)測模型。該模型以入口節(jié)點交通量為輸入,輸出路段動態(tài)預(yù)測交通量。模型由復(fù)雜網(wǎng)絡(luò)、交通小區(qū)劃分、循環(huán)神經(jīng)網(wǎng)絡(luò)三個模塊組成。復(fù)雜網(wǎng)絡(luò)由多層網(wǎng)絡(luò)組成,是交通小區(qū)劃分的基礎(chǔ);交通小區(qū)劃分模塊根據(jù)節(jié)點特征值,采用聚類方法將節(jié)點形成小區(qū),使同小區(qū)內(nèi)節(jié)點具有類似特征。最后,以交通小區(qū)為依據(jù),將節(jié)點交通量合并為小區(qū)交通量,采用循環(huán)神經(jīng)網(wǎng)絡(luò)進行路段動態(tài)交通量的預(yù)測。通過模型示例并與其他模型預(yù)測結(jié)果進行對比分析,驗證所提模型的準確性和可靠性。結(jié)果表明,該模型能夠準確地預(yù)測不同時長的交通量,MAPE為9.275%,相比于其他方法,預(yù)測精度更高且性能穩(wěn)定,具有重要的應(yīng)用價值。

    關(guān)鍵詞: 交通量預(yù)測; 高速公路路段; 多層復(fù)雜網(wǎng)絡(luò); 循環(huán)神經(jīng)網(wǎng)絡(luò); 交通小區(qū)劃分; 預(yù)測精度

    中圖分類號: TN911.73?34; TP391.9" " " " " " " " " "文獻標識碼: A" " " " " " " " 文章編號: 1004?373X(2024)22?0173?06

    Recurrent neural network traffic volume prediction model based on

    multi?layer complex network

    Abstract: Accurate short?term traffic volume prediction for highway segments without installed traffic flow detection equipment is a pressing issue. On this basis, a recurrent neural network short?term traffic volume prediction model based on complex network is proposed. In this model, the traffic volume of the entry node is taken as input, and the traffic volume of the output section as dynamic prediction. The model is composed of three modules: complex network, traffic area division and recurrent neural network. The complex network is composed of multi?layer network, which is the basis of traffic district division. According to the characteristic value of the nodes, the traffic plot division module can use clustering method to form the nodes into a plot, so that the nodes in the same plot have similar characteristics. Based on the traffic area, the nodal traffic volume is combined into the traffic area volume, and the cyclic neural network is used to predict the dynamic traffic volume of the road section. The accuracy and reliability of the proposed model are verified by the model example and comparison with other model prediction results. The results show that the model can accurately predict the traffic volume of different time lengths, and the average MAPE is 9.275%. In comparison with other methods, the prediction accuracy is higher and the performance is stable, which has important application value.

    Keywords: traffic volume forecast; highway sections; multilayer complex network; recurrent neural network; traffic district division; prediction accuracy

    0" 引" 言

    交通量短時預(yù)測在交通管理、路線選擇、事故預(yù)防和應(yīng)急救援中起著重要作用。在交通管理優(yōu)化方面,通過短時預(yù)測,交通管理者可以更好地了解交通流量的變化趨勢,采取相應(yīng)的措施來優(yōu)化交通管理;在用戶路線選擇方面,導航系統(tǒng)可以為駕駛員提供更準確的路線規(guī)劃和交通狀況信息,這使得駕駛員能夠選擇避開擁堵路段,選擇合適的路線到達目的地,從而節(jié)省時間和燃料成本;在交通事故預(yù)防方面,通過短時預(yù)測系統(tǒng)可以識別出交通事故易發(fā)區(qū)域和時段,提前采取措施減少事故發(fā)生的可能性;在應(yīng)急響應(yīng)和救援方面,短時預(yù)測系統(tǒng)可以幫助交通管理部門和救援機構(gòu)迅速做出響應(yīng)。綜上所述,交通量短時預(yù)測可以提高交通系統(tǒng)的效率、安全性和可持續(xù)性,為人們提供更便捷、更安全的出行體驗。

    交通量短時預(yù)測的方法總體上可以歸納為模型驅(qū)動和數(shù)據(jù)驅(qū)動兩類。模型驅(qū)動方法有時間序列模型和濾波類模型,時間序列模型如ARIMA[1?2]及其變體[3],濾波類模型如卡爾曼濾波[4?5]、粒子濾波[6]等,以及時間序列和濾波方法相結(jié)合的混合模型[7?8]。在通常情況下,參數(shù)類模型具有兩方面不足:一是很強的條件假設(shè),并且需要對路段交通觀測量進行實時統(tǒng)計;二是對每個觀測位置進行單獨預(yù)測,缺乏空間相關(guān)性考慮。

    數(shù)據(jù)驅(qū)動類方法可以分為傳統(tǒng)機器學習類方法和深度學習類方法。傳統(tǒng)機器學習類方法如分類回歸樹[9]、K近鄰和SVM[10]等被應(yīng)用于道路交通預(yù)測,此外,部分研究還采用了貝葉斯方法[11]、KNN[12]、RNN、LSTM[13?14]等;深度學習類方法如CNN[15]、Transformer[16]等。在通常情況下,數(shù)據(jù)驅(qū)動模型需要在具備交通大數(shù)據(jù)的前提下使用,數(shù)據(jù)缺乏空間相關(guān)性的考慮。顯然,現(xiàn)有預(yù)測方法對于未安裝車流量檢測設(shè)備的高速公路路段進行短時交通量準確預(yù)測仍然是一個難題。

    本文提出一種基于復(fù)雜網(wǎng)絡(luò)的路段短時交通量預(yù)測模型。采用復(fù)雜網(wǎng)絡(luò)原理進行數(shù)據(jù)處理,結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò),實現(xiàn)了路段動態(tài)交通量的準確預(yù)測。該模型特點在于:以預(yù)測路段為研究對象,基于復(fù)雜網(wǎng)絡(luò)進行交通小區(qū)劃分,將節(jié)點交通量數(shù)據(jù)轉(zhuǎn)換為小區(qū)交通量;同時預(yù)測過程中無需對路段交通量進行檢測,可實現(xiàn)對未安裝車流量檢測設(shè)備的高速公路路段進行短時交通量準確預(yù)測。

    1" 基于復(fù)雜網(wǎng)絡(luò)的路段短時交通量預(yù)測原理

    交通復(fù)雜網(wǎng)絡(luò)理論是研究交通系統(tǒng)中網(wǎng)絡(luò)結(jié)構(gòu)和行為的理論[17],將交通系統(tǒng)視為一個復(fù)雜網(wǎng)絡(luò),其中交通節(jié)點和道路被表示為網(wǎng)絡(luò)中的節(jié)點和邊,通過這些節(jié)點和邊進行交通流動。復(fù)雜網(wǎng)絡(luò)能夠表征道路結(jié)構(gòu)、拓撲特征、網(wǎng)絡(luò)行為等,用于理解和優(yōu)化交通系統(tǒng)的結(jié)構(gòu)和行為。

    路段短時交通量預(yù)測是基于一段時間內(nèi)觀測到的歷史交通狀態(tài)時空數(shù)據(jù)序列,采用預(yù)測模型預(yù)測未來若干時段內(nèi)的道路交通狀態(tài)時空數(shù)據(jù)序列。本文針對單個路段建立路段短時交通量預(yù)測模型,根據(jù)入口節(jié)點交通量進行路段的動態(tài)交通量預(yù)測。預(yù)測模型用以下數(shù)學形式表達:

    [F:Xhistory→Siprediction]" " " " " "(1)

    式中:[F]為預(yù)測模型;[Xhistory]和[Sprediction]分別表示節(jié)點交通量數(shù)據(jù)序列和路段交通量預(yù)測數(shù)據(jù)序列;i為預(yù)測路段。

    高速公路的路段交通量與入口節(jié)點交通量在時間和空間上具有相關(guān)性。具體地,在時間維度上,路段的交通狀態(tài)與入口節(jié)點的歷史交通量是相關(guān)的,即存在時間相關(guān)性;在空間維度上,路段的交通狀態(tài)與不同入口節(jié)點的相關(guān)性存在差異,即存在空間相關(guān)性。時間相關(guān)性和空間相關(guān)性并不是相互獨立的兩個維度,而是存在相互影響的時空相關(guān)性,從而導致交通預(yù)測情況復(fù)雜。

    基于復(fù)雜網(wǎng)絡(luò)的循環(huán)神經(jīng)網(wǎng)絡(luò)交通量預(yù)測模型具有處理時空相關(guān)性的能力。時空相關(guān)性具有非線性、動態(tài)性、異質(zhì)性等特性。非線性是指交通流在路網(wǎng)中的傳播是非線性的,也導致交通狀態(tài)的非線性相關(guān)性,基于復(fù)雜網(wǎng)絡(luò)的循環(huán)神經(jīng)網(wǎng)絡(luò)交通量預(yù)測模型本質(zhì)上是一個非線性函數(shù),非常適合這種非線性數(shù)據(jù)處理;動態(tài)性是指時間相關(guān)性和空間相關(guān)性都隨時間呈現(xiàn)動態(tài)變化,復(fù)雜網(wǎng)絡(luò)采用動態(tài)建模,形成動態(tài)邊權(quán),滿足了動態(tài)性;異質(zhì)性是指在空間上,不同單元的特性具有差異性,從而進行交通小區(qū)劃分。綜合上述情況,本文提出的模型充分考慮了交通量預(yù)測的時空相關(guān)性,能夠保證預(yù)測性能。

    2" 路段短時交通量預(yù)測模型

    本節(jié)針對高速公路路段交通量預(yù)測問題構(gòu)建了基于復(fù)雜網(wǎng)絡(luò)的循環(huán)神經(jīng)網(wǎng)絡(luò)動態(tài)交通量預(yù)測模型,以節(jié)點交通量為輸入,以路段預(yù)測交通量為輸出。模型由復(fù)雜網(wǎng)絡(luò)、交通小區(qū)劃分、循環(huán)神經(jīng)網(wǎng)絡(luò)三個模塊組成。針對道路結(jié)構(gòu)、通行成本、交通出行起始地和通行時間等交通路網(wǎng)屬性建立復(fù)雜網(wǎng)絡(luò),形成結(jié)構(gòu)網(wǎng)、權(quán)重網(wǎng)、OD(Origin?Destination)網(wǎng)、通行時間網(wǎng)等。交通小區(qū)劃分是以路段所處位置為中心,依據(jù)路徑選擇及到達路段的時間兩個屬性對節(jié)點進行權(quán)重K?means聚類,形成交通小區(qū),從而使得同一交通小區(qū)內(nèi)的節(jié)點交通量進入路網(wǎng)后,在選擇該路段的概率和到達路段時間具有相近的特性。循環(huán)神經(jīng)網(wǎng)絡(luò)根據(jù)小區(qū)交通量來預(yù)測路段動態(tài)交通量。

    模型的結(jié)構(gòu)及相關(guān)關(guān)系如圖1所示。

    2.1" 多層復(fù)雜網(wǎng)絡(luò)

    多層復(fù)雜網(wǎng)絡(luò)由多個單層復(fù)雜網(wǎng)絡(luò)組成,從而使得各元素間存在多種屬性連接關(guān)系。多層復(fù)雜網(wǎng)絡(luò)能夠反映路網(wǎng)的多屬性特征,彌補單層網(wǎng)絡(luò)的片面性[18?19]。本文針對道路結(jié)構(gòu)、通行成本、交通出行和通行時間等屬性形成相應(yīng)的結(jié)構(gòu)網(wǎng)、權(quán)重網(wǎng)、OD網(wǎng)、通行時間網(wǎng)共四層復(fù)雜網(wǎng)絡(luò),提供了路網(wǎng)的多個特征。多層復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    2.1.1" 結(jié)構(gòu)網(wǎng)

    高速公路由出入口、互通立交、路段等組成,本文將其抽象成節(jié)點和邊等元素構(gòu)成結(jié)構(gòu)網(wǎng)。具體來說,結(jié)構(gòu)網(wǎng)[G=V,E]由節(jié)點、邊等組成,以出入口和互通立交為節(jié)點,[V={v1,v2,…,vn}]是網(wǎng)絡(luò)中[n]個節(jié)點的集合;以有向路段為邊,[eij=(vi,vj)]代表節(jié)點[vi]到節(jié)點[vj]的路段,[m]個有向邊組成路段集[E]。

    2.1.2" 權(quán)重網(wǎng)

    權(quán)重網(wǎng)采用廣義費用函數(shù)來表征路段的通行成本。針對高速公路,權(quán)重由通行費用、車輛運營費用和時間價值費用等組成,公式如下:

    式中:[weij]為邊的權(quán)重;[Kηij]為車型[η]在路段[eij]的高速公路通行費用;[δη]是車型[η]的單位距離運營費用,包括油耗、輪胎磨損以及汽車修理等費用;[Lij]是邊[eij]的里程;[φη]是出行者的時間價值;[Tij]是車輛在邊[eij]自由流狀態(tài)下的行駛時間;[vij]是路段交通量;[Cij]是路段通行能力;[α]、[β]為期望行程時間的參數(shù)。

    2.1.3" OD網(wǎng)

    OD網(wǎng)是車輛在路網(wǎng)中起始地、目的地、出發(fā)時間、到達時間等屬性的表達,所有車輛的出行信息組成了OD網(wǎng)。車輛的一次出行信息包含車牌號、車型、起始點、目的地、出發(fā)時間、到達時間等信息。

    2.1.4" 通行時間網(wǎng)

    通行時間網(wǎng)是車輛在該路段的平均通行時間,其值由道路的設(shè)計等級和交通服務(wù)水平所決定。通行時間公式如下:

    式中[Teij]為路段的通行時間。

    2.2" 基于復(fù)雜網(wǎng)絡(luò)的循環(huán)神經(jīng)網(wǎng)絡(luò)交通量預(yù)測

    2.2.1" 交通小區(qū)劃分

    由于以入口節(jié)點而形成的觀測交通量數(shù)據(jù)在統(tǒng)計周期內(nèi)具有稀疏的特性,本文為有效處理數(shù)據(jù),同時降低數(shù)據(jù)處理的難度,以交通小區(qū)為單元進行觀測交通量的數(shù)據(jù)合并。交通小區(qū)劃分遵守以下原則:以預(yù)測路段為中心,交通小區(qū)離路段越近,其節(jié)點規(guī)模越小,反之則規(guī)模越大;考慮并行路段分流作用,將并行路段分流特性作為節(jié)點屬性;考慮分析入口節(jié)點交通量對路段的影響時效,將到達預(yù)測路段及并行路段的時間作為節(jié)點屬性。其節(jié)點特征值表達如下:

    式中:[d(i)]是節(jié)點[i] 到達預(yù)測路段及并行路段的通行時間;[p(i)]是節(jié)點[i] 在出行路徑選擇中選擇預(yù)測路段及并行路段的概率;[m]為包含預(yù)測路段在內(nèi)的并行路段中心點的數(shù)量;[n]為包含預(yù)測路段在內(nèi)的并行路段的數(shù)量。

    根據(jù)節(jié)點[d(i)]和[p(i)]的特征值,采用權(quán)重K?means聚類方法進行交通小區(qū)劃分,獲得的交通小區(qū)內(nèi)的節(jié)點在路徑選擇、到達時間方面具有相似性。交通小區(qū)劃分的數(shù)學表達如下所示:

    式中:[d(Xi,Vk)]是節(jié)點[i]與簇[k]質(zhì)心的歐氏距離;[Xi]為節(jié)點特征值;[Vk]為簇質(zhì)心的特征值;[Ck]是簇[k]內(nèi)節(jié)點的集合;[N]是集合元素數(shù)量;[K]是簇的數(shù)量;[d1]和[d2]分別代表到達時間和路徑選擇的歐氏距離;[λ]為聚類屬性系數(shù)。

    2.2.2" 循環(huán)神經(jīng)網(wǎng)絡(luò)

    本文采用循環(huán)神經(jīng)網(wǎng)絡(luò)來有序地接收小區(qū)交通量輸入,形成一個綜合的序列特征向量,從而預(yù)測路段交通量。整個循環(huán)神經(jīng)網(wǎng)絡(luò)由多個循環(huán)單元構(gòu)成,網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

    [{ht-1,xt}]代表第[t]步輸入,[ht]代表輸出,其數(shù)學關(guān)系如下式所示:

    [ht=f(Whht-1+Wxxt+b)]" " " " " (6)

    式中:f(·)代表非線性激活函數(shù);[Wh]、[Wx]、[b]是神經(jīng)網(wǎng)絡(luò)參數(shù)。

    3" 模型示例及驗證

    文章以南沙大橋路段為預(yù)測對象,其在路網(wǎng)地圖中所處位置如圖4所示。

    南沙大橋是一條橫跨珠江兩岸的橋梁,其并行路段為上下游的珠江口跨江通道。本文數(shù)據(jù)集為高速公路收費數(shù)據(jù),包含訓練集和測試集兩部分。訓練集為2021年7月5日—11日的數(shù)據(jù),測試集為2021年8月12日的數(shù)據(jù),其數(shù)據(jù)組成為入口節(jié)點交通量和路段交通量。以預(yù)測對象為中心,針對高速公路網(wǎng)分別建立結(jié)構(gòu)網(wǎng)、權(quán)重網(wǎng)、OD網(wǎng)、通行時間網(wǎng),形成復(fù)雜網(wǎng)絡(luò),其預(yù)測路段及并行路段在復(fù)雜網(wǎng)絡(luò)中的位置如圖5所示。

    3.1" 交通流量預(yù)測

    以高速公路出入口為節(jié)點進行交通小區(qū)劃分,將589個節(jié)點劃分為29個交通小區(qū),相鄰小區(qū)用不同顏色代表,如圖6所示。由圖6可以看到,交通小區(qū)離預(yù)測路段越近,規(guī)模越小。再根據(jù)交通小區(qū)劃分結(jié)果將入口交通量合并成小區(qū)交通量。

    假設(shè)同一交通小區(qū)前往其他交通小區(qū)的比例相對穩(wěn)定,在不結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò)的情況下,在復(fù)雜網(wǎng)絡(luò)中根據(jù)最短路徑選擇的原則和到達時間估計可以獲得路段的動態(tài)交通量。僅復(fù)雜網(wǎng)絡(luò)下路段交通量預(yù)測值與實際值對比如圖7所示,交通流量統(tǒng)計周期為15 min,橫坐標為時間,即一天內(nèi)共96個預(yù)測點;縱坐標為歸一化后的路段交通量,車型采用標準車型等效單位(Passenger Car Unit, PCU),黑色實線為實際交通量,虛線為預(yù)測交通量??梢钥闯?,僅在復(fù)雜網(wǎng)絡(luò)下,隨著預(yù)測時長的增加,預(yù)測結(jié)果誤差逐漸變大。

    為了彌補上述僅依靠復(fù)雜網(wǎng)絡(luò)進行路段交通量預(yù)測誤差大的問題,采用訓練集的小區(qū)交通量和路段交通量對循環(huán)神經(jīng)網(wǎng)絡(luò)進行參數(shù)訓練調(diào)整,分別建立預(yù)測時長為15 min、30 min、45 min、60 min的循環(huán)神經(jīng)網(wǎng)絡(luò),并采用驗證集進行該路段的交通量預(yù)測,其預(yù)測結(jié)果如圖8所示。由圖可知,隨著預(yù)測時間增加,車流量誤差逐漸減小。

    3.2" 模型評估及討論

    為了更好地對本文模型的預(yù)測結(jié)果進行評價,采用ARIMA和循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)兩種對比方法對路段交通量序列進行預(yù)測,其輸入為歷史路段交通量,輸出為預(yù)測路段交通量。采用平均絕對百分比誤差(Mean Absolute Percentage Error, MAPE)和均方根誤差(Root Mean Square Error, RMSE)兩個指標進行分析。不同方法在不同預(yù)測時長下的預(yù)測結(jié)果如表1所示。

    從表1的MAPE可以看出,相比于其他方法,本文模型在所有預(yù)測時長下都能達到最好,說明該模型在不同預(yù)測時長下均能保持良好的預(yù)測性能。本文模型的預(yù)測精度均有較高提升,特別是在45 min預(yù)測時長下,本文方法的MAPE值比基于序列的ARMIA和RNN預(yù)測結(jié)果均降低了約24.6%。從RMSE對比可以看出,針對不同預(yù)測時長,本文模型相比其他方法能夠保持較為穩(wěn)定的預(yù)測。對比實驗驗證了本文方法的有效性和可靠性。

    4" 結(jié)" 語

    本文提出一種基本復(fù)雜網(wǎng)絡(luò)的循環(huán)神經(jīng)網(wǎng)絡(luò)交通量預(yù)測模型,以入口節(jié)點交通量為模型輸入,以路段預(yù)測交通量為模型輸出,實現(xiàn)了未安裝車流量檢測設(shè)備的高速公路路段的動態(tài)交通量預(yù)測。該模型基于復(fù)雜網(wǎng)絡(luò)提取入口節(jié)點的特征并聚類形成交通小區(qū),采用循環(huán)神經(jīng)網(wǎng)絡(luò)進行交通量預(yù)測。模型優(yōu)勢在于充分考慮了交通的時空相關(guān)性,從而提升了模型預(yù)測的準確度。

    為了驗證該模型的有效性,選取南沙大橋路段為預(yù)測對象進行動態(tài)交通量預(yù)測。模型評估結(jié)果顯示,本文模型能夠準確地預(yù)測不同時長(15 min、30 min、45 min、60 min)的交通量,MAPE為9.275%,相比其他方法,本文模型預(yù)測精度更高且具有穩(wěn)定的性能。下一步研究將考慮更多數(shù)據(jù)特征,進一步探索現(xiàn)有知識與機器學習的融合預(yù)測能力。

    參考文獻

    [1] SHAHRIARI S, GHASRI M, SISSON S A, et al. Ensemble of ARIMA: combining parametric and bootstrapping technique for traffic flow prediction [J]. Transportmetrica a: transport science, 2020, 16(3): 1552?1573.

    [2] GE M, ZHANG J F, WANG H Y,et al. ARIMA?FSVR hybrid method for high?speed railway passenger traffic forecasting [J]. Mathematical problems in engineering, 2021, 2021: 1?5.

    [3] YU J Z, LI Q. Intrusion detection technology for wireless sensor networks based on autoregressive moving average [J]. Advances in multimedia, 2022, 2022: 1.1?1.7.

    [4] ZHANG H, YANG G, YU H, et al. Kalman filter?based CNN?BILSTM?ATT model for traffic flow prediction [J]. Computers, materials amp; continua, 2023, 76(1): 1047?1063.

    [5] CHANG S Y, WU H C, KAO Y C. Tensor extended kalman filter and its application to traffic prediction [J]. IEEE transactions on intelligent transportation systems, 2023, 24(12): 13813?13829.

    [6] 王濤,謝思紅,黎文皓,等.基于FFOS?ELM和PF的短時交通流自適應(yīng)預(yù)測模型[J].重慶交通大學學報(自然科學版),2021,40(6):21?27.

    [7] 陳昆,曲大義,賈彥峰,等.基于ARIMA?SVM模型的短時交通流量預(yù)測研究[J].青島理工大學學報,2022,43(5):104?109.

    [8] 楊高飛,徐睿,秦鳴,等.基于ARMA和卡爾曼濾波的短時交通預(yù)測[J].鄭州大學學報(工學版),2017,38(2):36?40.

    [9] YAN Z Y, Lü S. Short?term forecast model of taxi demand based on time and space heterogeneity [J]. Journal of intelligent amp; fuzzy systems, 2021, 41(2): 4175?4186.

    [10] 劉釗,杜威,閆冬梅,等.基于K近鄰算法和支持向量回歸組合的短時交通流預(yù)測[J].公路交通科技,2017,34(5):122?128.

    [11] XIA J, WANG S, WANG X, et al. Multi?view Bayesian spatio?temporal graph neural networks for reliable traffic flow prediction [J]. International journal of machine learning and cybernetics, 2024, 15: 65?78.

    [12] 羅向龍,李丹陽,楊彧,等.基于KNN?LSTM的短時交通流預(yù)測[J].北京工業(yè)大學學報,2018,44(12):1521?1527.

    [13] 張萌.基于LSTM神經(jīng)網(wǎng)絡(luò)的短期交通量預(yù)測研究[D].石家莊:石家莊鐵道大學,2022.

    [14] 翁小雄,郝翊.基于LSTM引入客車占比特征的短時交通流預(yù)測[J].重慶交通大學學報(自然科學版),2020,39(11):20?25.

    [15] 楊瑞,馮慧芳.基于注意力機制的CNN?BiGRU的短時交通流預(yù)測[J].軟件工程與應(yīng)用,2021,10(6):823?832.

    [16] 周楚昊,林培群.基于多通道Transformer的交通量預(yù)測方法 [J].計算機應(yīng)用研究,2023,40(2):435?439.

    [17] COSTA L D F, OLIVEIRA O N, TRAVIESO G, et al. Analyzing and modeling real?world phenomena with complex networks: a survey of applications [J]. Advances in physics, 2011, 60(3): 329?412.

    [18] KIVELA M, ARENAS A, BARTHELEMY M, et al. Multilayer networks [J]. SSRN electronic journal, 2014, 2(3): 203?271.

    [19] 翁小雄,謝志鵬.基于多層復(fù)雜網(wǎng)絡(luò)的高速公路節(jié)點重要性研究[J].廣西師范大學學報(自然科學版),2021,39(5):78?88.

    国产精品人妻久久久影院| 久久久久久伊人网av| 亚洲熟妇中文字幕五十中出| 欧美zozozo另类| 可以在线观看的亚洲视频| 校园春色视频在线观看| 久久鲁丝午夜福利片| 久久欧美精品欧美久久欧美| 少妇的逼好多水| 国产亚洲精品久久久com| 99热这里只有精品一区| 白带黄色成豆腐渣| 男女做爰动态图高潮gif福利片| 深爱激情五月婷婷| 久久久久性生活片| 欧美高清成人免费视频www| 精品一区二区三区人妻视频| 欧美精品国产亚洲| 一边摸一边抽搐一进一小说| 欧洲精品卡2卡3卡4卡5卡区| 亚洲av二区三区四区| 91av网一区二区| 亚洲最大成人av| 简卡轻食公司| 成人欧美大片| 天天躁夜夜躁狠狠久久av| 国产一区亚洲一区在线观看| 最近手机中文字幕大全| 久久九九热精品免费| 久久精品国产亚洲av天美| 91在线观看av| 亚洲成人精品中文字幕电影| 国产精品女同一区二区软件| 久久久国产成人精品二区| 国产av麻豆久久久久久久| 成年女人看的毛片在线观看| 国产高清视频在线观看网站| 麻豆成人午夜福利视频| 午夜视频国产福利| 此物有八面人人有两片| 18禁在线播放成人免费| aaaaa片日本免费| 可以在线观看毛片的网站| 久久精品91蜜桃| 亚洲综合色惰| 亚洲精品国产av成人精品 | 三级经典国产精品| 亚洲欧美成人综合另类久久久 | 床上黄色一级片| 给我免费播放毛片高清在线观看| 成人综合一区亚洲| 欧美+亚洲+日韩+国产| 变态另类丝袜制服| 日韩 亚洲 欧美在线| 日韩大尺度精品在线看网址| 日韩精品青青久久久久久| 成人特级av手机在线观看| 老司机影院成人| 国产在线精品亚洲第一网站| 91久久精品电影网| 国产精品爽爽va在线观看网站| 国产美女午夜福利| 中国美白少妇内射xxxbb| 中文字幕av成人在线电影| 女生性感内裤真人,穿戴方法视频| av女优亚洲男人天堂| 国内精品久久久久精免费| 精品熟女少妇av免费看| 国产一区二区激情短视频| 久久久国产成人免费| 黄色欧美视频在线观看| 久久精品人妻少妇| 午夜亚洲福利在线播放| 亚洲第一电影网av| 亚洲电影在线观看av| 国产精品国产三级国产av玫瑰| 亚洲精品久久国产高清桃花| 日韩大尺度精品在线看网址| 国产三级在线视频| 两个人视频免费观看高清| 久久草成人影院| 搞女人的毛片| 草草在线视频免费看| 国产成人a∨麻豆精品| 欧美极品一区二区三区四区| 在线a可以看的网站| 国产精品久久久久久精品电影| 嫩草影院入口| 日韩欧美国产在线观看| 日韩av不卡免费在线播放| 国产一区二区亚洲精品在线观看| 热99re8久久精品国产| 亚洲人成网站在线观看播放| 亚洲国产精品sss在线观看| 日韩成人av中文字幕在线观看 | 亚洲美女视频黄频| 一本一本综合久久| 国产亚洲精品av在线| 午夜影院日韩av| 超碰av人人做人人爽久久| 欧美色欧美亚洲另类二区| 97超碰精品成人国产| 日日啪夜夜撸| 69人妻影院| 成熟少妇高潮喷水视频| 久久精品91蜜桃| 九色成人免费人妻av| 亚洲成人久久爱视频| 久久久久久久久中文| 亚洲乱码一区二区免费版| 在线观看美女被高潮喷水网站| 成人二区视频| 小说图片视频综合网站| 亚洲熟妇熟女久久| 国产单亲对白刺激| 九九在线视频观看精品| 变态另类丝袜制服| 如何舔出高潮| 亚洲第一区二区三区不卡| 十八禁网站免费在线| 在线免费十八禁| 少妇的逼水好多| 免费看a级黄色片| 91在线精品国自产拍蜜月| 国产91av在线免费观看| 两个人的视频大全免费| 综合色丁香网| 老女人水多毛片| 麻豆久久精品国产亚洲av| 国产黄a三级三级三级人| 免费在线观看成人毛片| 精品福利观看| 亚洲内射少妇av| 51国产日韩欧美| 中国美白少妇内射xxxbb| 国产一区二区在线观看日韩| 成人无遮挡网站| 99热这里只有是精品50| av中文乱码字幕在线| 国产黄色小视频在线观看| 别揉我奶头 嗯啊视频| 插逼视频在线观看| 免费高清视频大片| 久久草成人影院| 精品不卡国产一区二区三区| 欧美一区二区国产精品久久精品| 欧美3d第一页| 高清午夜精品一区二区三区 | 国产亚洲av嫩草精品影院| 欧美潮喷喷水| 免费看a级黄色片| 久久韩国三级中文字幕| 亚洲中文日韩欧美视频| 99久久精品热视频| 在线看三级毛片| 久久鲁丝午夜福利片| 色吧在线观看| 成年免费大片在线观看| 成人亚洲欧美一区二区av| 国产男人的电影天堂91| 99久国产av精品| 一级黄色大片毛片| 激情 狠狠 欧美| 欧美成人免费av一区二区三区| 国产精品久久久久久久电影| 国产人妻一区二区三区在| 久久久欧美国产精品| 国产不卡一卡二| 亚洲欧美清纯卡通| 亚洲欧美日韩东京热| 香蕉av资源在线| 熟女人妻精品中文字幕| 一个人看的www免费观看视频| 久久中文看片网| 国产美女午夜福利| 国产精品亚洲一级av第二区| 99九九线精品视频在线观看视频| 国产大屁股一区二区在线视频| 日韩一本色道免费dvd| 校园人妻丝袜中文字幕| 青春草视频在线免费观看| 亚洲精品在线观看二区| 99久久精品国产国产毛片| 18+在线观看网站| 欧美日本亚洲视频在线播放| 国产亚洲av嫩草精品影院| 欧美日本视频| 日韩三级伦理在线观看| 久久草成人影院| av.在线天堂| 国产一区二区三区在线臀色熟女| 精品久久久久久久久久久久久| 日韩人妻高清精品专区| 成人无遮挡网站| 赤兔流量卡办理| 3wmmmm亚洲av在线观看| 非洲黑人性xxxx精品又粗又长| 亚洲av二区三区四区| 国产一区二区激情短视频| 成人亚洲精品av一区二区| av.在线天堂| 免费看美女性在线毛片视频| 欧美一级a爱片免费观看看| 日本五十路高清| 美女内射精品一级片tv| 午夜免费男女啪啪视频观看 | 精品一区二区三区av网在线观看| 97人妻精品一区二区三区麻豆| 日韩欧美精品免费久久| av在线亚洲专区| 久久久久久伊人网av| 99热全是精品| 国产极品精品免费视频能看的| 亚洲性夜色夜夜综合| 国产久久久一区二区三区| 大型黄色视频在线免费观看| 久久久久国内视频| 黄色配什么色好看| a级毛片免费高清观看在线播放| 精品日产1卡2卡| 国产午夜福利久久久久久| 欧美性猛交╳xxx乱大交人| 国产精品永久免费网站| 少妇人妻一区二区三区视频| 久久精品夜色国产| 麻豆久久精品国产亚洲av| 一区二区三区四区激情视频 | 国内精品美女久久久久久| 美女xxoo啪啪120秒动态图| 尤物成人国产欧美一区二区三区| 久久人人精品亚洲av| 亚洲va在线va天堂va国产| 亚洲国产日韩欧美精品在线观看| 亚洲熟妇熟女久久| 男女那种视频在线观看| avwww免费| 午夜激情福利司机影院| 三级国产精品欧美在线观看| 亚洲五月天丁香| 欧美潮喷喷水| 深夜精品福利| 亚洲精品乱码久久久v下载方式| 国产精品综合久久久久久久免费| 六月丁香七月| 久久久久国产网址| 听说在线观看完整版免费高清| 久久久久精品国产欧美久久久| 蜜臀久久99精品久久宅男| 日韩欧美精品免费久久| 老熟妇乱子伦视频在线观看| 听说在线观看完整版免费高清| 丝袜喷水一区| 久久精品夜夜夜夜夜久久蜜豆| 熟女人妻精品中文字幕| 日本黄大片高清| 少妇猛男粗大的猛烈进出视频 | 我的老师免费观看完整版| 91在线精品国自产拍蜜月| 国产伦精品一区二区三区四那| 成人国产麻豆网| 最近的中文字幕免费完整| av天堂中文字幕网| 狠狠狠狠99中文字幕| 国产欧美日韩精品一区二区| 久久中文看片网| 99久国产av精品| 久久精品人妻少妇| 简卡轻食公司| 色哟哟哟哟哟哟| 69av精品久久久久久| 国产欧美日韩精品一区二区| 国产高清视频在线观看网站| 国产综合懂色| 国产精品久久久久久精品电影| aaaaa片日本免费| 亚洲中文字幕一区二区三区有码在线看| 国产高清有码在线观看视频| 久久亚洲国产成人精品v| 在线免费观看的www视频| 亚洲精品456在线播放app| 成人av一区二区三区在线看| 成人无遮挡网站| 亚洲欧美日韩东京热| 久久久精品94久久精品| 啦啦啦韩国在线观看视频| 免费av毛片视频| 最新在线观看一区二区三区| 99国产极品粉嫩在线观看| 一本一本综合久久| 欧美三级亚洲精品| 中国美女看黄片| 中国美白少妇内射xxxbb| 天堂动漫精品| 久久人妻av系列| 日本 av在线| 少妇熟女欧美另类| 两个人的视频大全免费| 日韩亚洲欧美综合| 全区人妻精品视频| 午夜福利在线观看吧| 欧美日本视频| 乱人视频在线观看| 亚洲av中文字字幕乱码综合| 亚洲自偷自拍三级| 国产成人a区在线观看| 亚洲精品成人久久久久久| 久久精品夜色国产| 人妻夜夜爽99麻豆av| 亚洲五月天丁香| 欧美+日韩+精品| 国产一区二区激情短视频| 中文在线观看免费www的网站| 日本色播在线视频| 亚洲成a人片在线一区二区| 国内少妇人妻偷人精品xxx网站| 美女cb高潮喷水在线观看| 黄色一级大片看看| 校园人妻丝袜中文字幕| 一个人看视频在线观看www免费| 亚洲精品国产成人久久av| 亚洲人成网站高清观看| 深夜精品福利| 亚洲在线观看片| 97超碰精品成人国产| 色在线成人网| 俄罗斯特黄特色一大片| 国产精品野战在线观看| 久久精品综合一区二区三区| 国产在线男女| 色哟哟·www| 久久久久久久亚洲中文字幕| 久久久久久久久久黄片| 别揉我奶头 嗯啊视频| 1000部很黄的大片| 卡戴珊不雅视频在线播放| 国产成人一区二区在线| 国产精品免费一区二区三区在线| 麻豆精品久久久久久蜜桃| 91午夜精品亚洲一区二区三区| 精品欧美国产一区二区三| 一级黄色大片毛片| 亚洲精品影视一区二区三区av| 黄色一级大片看看| 一个人观看的视频www高清免费观看| 国产伦一二天堂av在线观看| 美女xxoo啪啪120秒动态图| 日韩欧美在线乱码| av在线天堂中文字幕| 欧美高清成人免费视频www| 97在线视频观看| 欧美潮喷喷水| 在线免费观看的www视频| 欧美高清性xxxxhd video| 深夜a级毛片| 美女高潮的动态| 日本五十路高清| 久久人人爽人人片av| 亚洲激情五月婷婷啪啪| 最近的中文字幕免费完整| 22中文网久久字幕| 国产美女午夜福利| 亚洲精品亚洲一区二区| 麻豆国产av国片精品| 久久精品91蜜桃| 亚洲精品国产av成人精品 | 精品人妻熟女av久视频| 午夜福利高清视频| 秋霞在线观看毛片| 日本五十路高清| 日本撒尿小便嘘嘘汇集6| 久久久久久九九精品二区国产| 国产片特级美女逼逼视频| 国产一级毛片七仙女欲春2| 日韩高清综合在线| .国产精品久久| 亚洲高清免费不卡视频| 高清午夜精品一区二区三区 | 久久久久久久亚洲中文字幕| 天堂√8在线中文| 真实男女啪啪啪动态图| 高清日韩中文字幕在线| 天堂网av新在线| 免费不卡的大黄色大毛片视频在线观看 | 亚洲国产日韩欧美精品在线观看| 噜噜噜噜噜久久久久久91| 小蜜桃在线观看免费完整版高清| av在线天堂中文字幕| 91狼人影院| av在线天堂中文字幕| 亚洲,欧美,日韩| 男女之事视频高清在线观看| 人妻制服诱惑在线中文字幕| 免费大片18禁| 大香蕉久久网| 美女内射精品一级片tv| 亚洲第一区二区三区不卡| 亚洲av第一区精品v没综合| 亚洲性久久影院| 国产欧美日韩精品亚洲av| 欧美一级a爱片免费观看看| 国产欧美日韩精品亚洲av| 欧美潮喷喷水| 成人漫画全彩无遮挡| 日韩成人伦理影院| 岛国在线免费视频观看| 一个人看的www免费观看视频| 国产精品久久视频播放| 成人亚洲欧美一区二区av| 亚洲欧美清纯卡通| 国产高潮美女av| 最近的中文字幕免费完整| av天堂在线播放| aaaaa片日本免费| 国产精品无大码| 午夜福利成人在线免费观看| 婷婷六月久久综合丁香| 中文在线观看免费www的网站| 黑人高潮一二区| 日本一本二区三区精品| 欧美一区二区国产精品久久精品| 成人永久免费在线观看视频| 岛国在线免费视频观看| 日本成人三级电影网站| 国产淫片久久久久久久久| 亚洲激情五月婷婷啪啪| 亚洲精品456在线播放app| 午夜a级毛片| 内地一区二区视频在线| 国产一区亚洲一区在线观看| 看黄色毛片网站| 成人漫画全彩无遮挡| 人妻制服诱惑在线中文字幕| 最后的刺客免费高清国语| 你懂的网址亚洲精品在线观看 | 性插视频无遮挡在线免费观看| 在线观看免费视频日本深夜| av女优亚洲男人天堂| 神马国产精品三级电影在线观看| 极品教师在线视频| 久久99热这里只有精品18| 99热这里只有是精品50| 淫秽高清视频在线观看| 成人高潮视频无遮挡免费网站| 亚洲五月天丁香| 永久网站在线| 久久精品夜色国产| 日韩中字成人| 观看免费一级毛片| 欧美精品国产亚洲| 亚洲无线观看免费| 国产精品久久久久久av不卡| 精品一区二区三区人妻视频| 麻豆精品久久久久久蜜桃| 日韩中字成人| 国产高清三级在线| 久久久精品欧美日韩精品| 国产精品乱码一区二三区的特点| 久久天躁狠狠躁夜夜2o2o| 精品熟女少妇av免费看| 99热全是精品| 精品国产三级普通话版| av在线老鸭窝| 色综合站精品国产| 欧美绝顶高潮抽搐喷水| 日韩高清综合在线| 亚洲精品亚洲一区二区| 一卡2卡三卡四卡精品乱码亚洲| 日本免费a在线| 两性午夜刺激爽爽歪歪视频在线观看| 色播亚洲综合网| 精品熟女少妇av免费看| 韩国av在线不卡| 一a级毛片在线观看| 久久人妻av系列| 一级毛片电影观看 | 日韩 亚洲 欧美在线| 国产一区二区三区av在线 | 精品福利观看| 精品欧美国产一区二区三| 亚洲精品日韩在线中文字幕 | 国产精品99久久久久久久久| 欧美zozozo另类| 亚洲中文字幕日韩| 简卡轻食公司| 午夜福利18| 久久久久久久久久久丰满| 国产精品,欧美在线| 真人做人爱边吃奶动态| 69人妻影院| 国产亚洲精品久久久久久毛片| 简卡轻食公司| eeuss影院久久| 99热这里只有是精品50| 乱人视频在线观看| 亚洲专区国产一区二区| 亚洲人与动物交配视频| 国产真实伦视频高清在线观看| 国产精品久久电影中文字幕| 日本黄色片子视频| 国产爱豆传媒在线观看| 老司机福利观看| 日韩三级伦理在线观看| a级一级毛片免费在线观看| 一夜夜www| av.在线天堂| 99热全是精品| 丰满的人妻完整版| 少妇的逼水好多| 日韩av在线大香蕉| 成人毛片a级毛片在线播放| a级毛色黄片| 免费av毛片视频| 啦啦啦韩国在线观看视频| 免费看美女性在线毛片视频| 国产精品亚洲一级av第二区| 久久精品国产亚洲网站| 色综合亚洲欧美另类图片| 成人一区二区视频在线观看| 校园人妻丝袜中文字幕| 欧美三级亚洲精品| 美女高潮的动态| 国产私拍福利视频在线观看| 97超碰精品成人国产| 99久久无色码亚洲精品果冻| 麻豆久久精品国产亚洲av| 久久草成人影院| 亚洲av美国av| 91狼人影院| 性色avwww在线观看| 日日啪夜夜撸| 精品久久久久久久久久久久久| 成人特级av手机在线观看| 一个人看的www免费观看视频| 简卡轻食公司| 精品国产三级普通话版| 天堂av国产一区二区熟女人妻| 亚洲国产精品成人综合色| 国内精品美女久久久久久| 老司机午夜福利在线观看视频| 久久中文看片网| 国产精品亚洲美女久久久| 午夜福利视频1000在线观看| 人人妻,人人澡人人爽秒播| 尤物成人国产欧美一区二区三区| 国产精品爽爽va在线观看网站| 黄色日韩在线| 国产成人aa在线观看| 久久这里只有精品中国| 精品久久久久久久人妻蜜臀av| 女人十人毛片免费观看3o分钟| 日韩欧美 国产精品| 老司机午夜福利在线观看视频| 亚洲av成人av| 99久久九九国产精品国产免费| 亚洲成人久久爱视频| 男女做爰动态图高潮gif福利片| 国内精品久久久久精免费| 国产高清有码在线观看视频| 亚洲经典国产精华液单| 麻豆成人午夜福利视频| 久久精品夜夜夜夜夜久久蜜豆| 精品久久久久久久人妻蜜臀av| 性插视频无遮挡在线免费观看| 日韩精品青青久久久久久| 久久久久精品国产欧美久久久| 中文字幕熟女人妻在线| 国产老妇女一区| 精品欧美国产一区二区三| 久久精品国产自在天天线| 日本免费a在线| 伦理电影大哥的女人| 天堂av国产一区二区熟女人妻| 日本五十路高清| 桃色一区二区三区在线观看| 日韩中字成人| 国产aⅴ精品一区二区三区波| 久久精品综合一区二区三区| 一个人看的www免费观看视频| 性插视频无遮挡在线免费观看| 亚洲人成网站在线观看播放| 亚洲国产精品成人综合色| 91久久精品电影网| 欧美中文日本在线观看视频| 国产成人91sexporn| 免费一级毛片在线播放高清视频| 搡老妇女老女人老熟妇| 国产高清不卡午夜福利| 亚洲人与动物交配视频| 黄片wwwwww| 精品久久久噜噜| 狠狠狠狠99中文字幕| 亚洲第一区二区三区不卡| 国产单亲对白刺激| 免费高清视频大片| 两性午夜刺激爽爽歪歪视频在线观看| 99久国产av精品国产电影| 日日啪夜夜撸| 国产精品久久电影中文字幕| 久久久久久久午夜电影| 亚洲专区国产一区二区| 美女 人体艺术 gogo| 亚洲综合色惰| 91狼人影院| 日本一二三区视频观看| 免费看a级黄色片| 国产大屁股一区二区在线视频| 18禁在线播放成人免费| 精品熟女少妇av免费看| 性欧美人与动物交配| 欧美精品国产亚洲| 亚洲最大成人中文| 成人av在线播放网站| av国产免费在线观看| 国产激情偷乱视频一区二区| 精品久久久久久久末码|