Resumen

La predicción del tráfico a corto plazo bajo datos corruptos o ausentes para redes de transporte a gran escala se ha convertido en un tema importante y desafiante en las últimas décadas. Dado que las carreteras críticas tienen poder de predicción sobre sus carreteras adyacentes, este trabajo propone un novedoso método híbrido de predicción del estado del tráfico a corto plazo basado en la optimización de la selección de carreteras críticas. En primer lugar, se propone la función de utilidad de la calidad de servicio (QoS) para las carreteras críticas en una red de carreteras a gran escala basada en la cobertura y la puntuación de los datos. A continuación, se presenta el modelo de optimización de selección de carreteras críticas en las redes de transporte, seleccionando un conjunto adecuado de carreteras críticas con la máxima proporción de los recursos totales de cálculo para maximizar el valor de utilidad de la QoS. Además, se introduce un método innovador de selección de carreteras críticas, que tiene en cuenta la estructura topológica y la movilidad de la red de carreteras urbanas. Posteriormente, la velocidad del tráfico de las carreteras críticas se considera la entrada de la red neuronal convolucional de memoria a corto plazo para predecir los futuros estados del tráfico de toda la red. Los resultados de los experimentos realizados en la red de tráfico de Pekín indican que el método propuesto supera a los enfoques de DL predominantes en el caso de considerar los tramos de carretera críticos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:selección de carreteras críticas, carretera crítica, optimización de la selección de carreteras, métodos de predicción del estado, red de transporte a escala, predicción del tráfico de términos, estado del tráfico futuro, calidad de los servicios, estado del tráfico de términos, red de tráfico de Pekín
• Keywords:critical road selection, critical road, road selection optimization, state prediction methods, scale transportation network, terms traffic prediction, future traffic state, quality of services, terms traffic state, beijing traffic network