原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
摘 要
物流领域的各项活动的发展与交通运输的发展息息相关，运输效率的提升依赖于道
路交通的发展。对道路交通状况的预测有助于合理规划运输线路，准确把握运输所需时
间，从而缩短上下游交接时长，提高物流活动效率。目前对于交通流的预测研究，主要
利用道路传感器时间序列数据进行机器学习，提取时空特征进行预测。随着深度神经网
络的发展，已有研究采用生成式对抗网络进行道路车流量预测，但该方法会出现梯度消
失和产生数据的分布坍塌为局部点的问题。针对以上研究背景及问题，本文提出了一种
基于时空融合迭代生成对抗网络的交通
文档评论（0）