Нейронные сети в задаче предсказания дорожного трафика

Нейронные сети активно применяются для решения многих задач, в том числе и для прогнозирования различных событий на основе исторических данных. Одной из таких задач является предсказание дорожного трафика. В настоящей статье рассматриваются способы модификации нейронной сети для получения максимально точного результата. Исследование затронуло как вопрос архитектуры сети, так и вопрос формата подачи данных для обучения. Для работы с нейронной сетью был использован новый фреймворк для глубокого обучения PaddlePadle. Верификация полученных в результате обучения данных проводилась основе среднеквадратичной ошибки модели. Наилучший результат показала простая нейронная сеть с одним скрытым слоем. Другой популярный прием в такого рода задачах — учет значения в смежных узлах, который улучшил предсказание только при условии учета дня недели и использовании данных для формирования прогноза за один час и тридцать минут.

• Full text
• Published version

@inproceedings{gavrikov2017paddle,
  title={Нейронные сети в задаче предсказания дорожного трафика},
  author={А. Гавриков and С. Свешникова and И. Ганкевич},
  publisher={Издательский дом Федоровой Г.В.},
  booktitle={Процессы управления и устойчивость},
  url={http://hdl.handle.net/11701/7026},
  year={2017},
  month={01},
  nrefs={3},
  language={russian},
  issn={2313-7304},
  pages={339--342},
  number={1},
  volume={4},
  address={СПб, Россия},
  editor={Смирнов, Н.В.},
  type={inproceedings}
}