《表2 变体模型预测性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于ACGRU模型的短时交通流预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表2给出了所有变体模型的实验结果。从该表中可以看出，相比三个变体模型，ACGRU模型的各个误差指标均最小，表明ACGRU模型的各个模块均有作用，组合在一起可以获得最好的预测性能。因为CNN网络可以有效提取交通流数据的空间特征，所以ACGRU-n CNN模型的预测效果比ACGRU模型差。对比ACGRU模型和ACGRU-n Period模型可以发现，周期特征可以作为交通流预测的一个辅助特征，提升预测准确率。将ACGRU模型和ACGRU-n Attention模型对比可以发现，引入注意力机制层可以计算不同时刻交通流特征的重要性，使模型更关注重要性大的交通流特征，从而提升交通流预测效果。