城市人流量预测有利于城市交通管理和公共安全，但时空数据具有依赖性，外部因素例如节假日、事件和天气等也都会影响人流量，所以准确预测城市人流量具有挑战性。 这篇论文提出了深度时空残差网络ST-ResNet，对城市人流量数据的邻近性（cloness)、周期性（period）、趋势性（trend)建模，并结合天气等外部因素，预测城市人流量。
附件: 基于深度时空残差网络的城市人流量预测论文介绍_江丽英.pdf [登录 后查看]
自动标签 : 网络 人流量 残差 城市 预测 因素 时空 具有 天气 数据 建模 深度 依赖性
更多 [ 报告 ] 文章