城市场景下基于域适应迁移学习的交通流预测方法

夏振厂; 班一杰; 田有亮; 刘冰艺; 崔建群; 常亚楠

doi:10.11959/j.issn.1000-436x.2025128

您当前的位置：

首页 >

文章列表页 >

城市场景下基于域适应迁移学习的交通流预测方法

学术通信 | 更新时间：2025-08-07

- 城市场景下基于域适应迁移学习的交通流预测方法
- Traffic prediction method based on domain adaptive transfer learning in urban scenarios
- “在交通流预测领域，研究者提出了基于域适应的可迁移方法，设计了迁移学习模型及轻量化时空序列预测网络，提高了跨城市迁移能力，性能提升9.03%。”
- 通信学报 2025年46卷第7期页码：262-277
- 作者机构：
  
  1.贵州大学公共大数据国家重点实验室，贵州贵阳 550025
  2.武汉理工大学计算机与人工智能学院，湖北武汉 430070
  3.吉林大学符号计算与知识工程教育部重点实验室，吉林长春 130012
  4.华中师范大学计算机学院，湖北武汉 430079
- 作者简介：
  
  [ "夏振厂（1987- ），男，河南周口人，博士，武汉理工大学讲师、硕士生导师，主要研究方向为物联网、网络拥塞控制、强化学习等。" ]
  [ "班一杰（2001- ），男，山东临沂人，武汉理工大学硕士生，主要研究方向为交通流预测。" ]
  [ "田有亮（1983- ），男，贵州盘州人，博士，贵州大学教授、博士生导师，主要研究方向为博弈论、密码学与安全协议、大数据隐私保护等。" ]
  [ "刘冰艺（1990- ），男，湖北武汉人，博士，武汉理工大学副教授、博士生导师，主要研究方向为无线网络、车载自组织网络、物联网等。" ]
  [ "崔建群（1974- ），女，江苏南通人，博士，华中师范大学教授、博士生导师，主要研究方向为机会网络、物联网、移动网络、应用层组播等。" ]
  [ "常亚楠（1984- ），女，河南漯河人，博士，华中师范大学副教授、硕士生导师，主要研究方向为无线mesh网络、延迟容忍网络、社交网络等。" ]
- 基金信息：
  
  国家自然科学基金资助项目(62372206);湖北省自然科学基金资助项目(2023AFB697);公共大数据国家重点实验室基金资助项目(PBD2024-0503);中央高校基本科研业务费专项资金资助项目(93K172024K21)
- DOI：10.11959/j.issn.1000-436x.2025128
  中图分类号： TP391
- 收稿：2025-02-08，
  
  修回：2025-07-07，
  
  录用：2025-07-15，
  
  纸质出版：2025-07-25
- 稿件说明：
移动端阅览
夏振厂,班一杰,田有亮等.城市场景下基于域适应迁移学习的交通流预测方法[J].通信学报,2025,46(07):262-277.

XIA Zhenchang,BAN Yijie,TIAN Youliang,et al.Traffic prediction method based on domain adaptive transfer learning in urban scenarios[J].Journal on Communications,2025,46(07):262-277.
夏振厂,班一杰,田有亮等.城市场景下基于域适应迁移学习的交通流预测方法[J].通信学报,2025,46(07):262-277. DOI： 10.11959/j.issn.1000-436x.2025128.

XIA Zhenchang,BAN Yijie,TIAN Youliang,et al.Traffic prediction method based on domain adaptive transfer learning in urban scenarios[J].Journal on Communications,2025,46(07):262-277. DOI： 10.11959/j.issn.1000-436x.2025128.

浏览量

757

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多特征迁移学习的低资源临高方言语音识别方法

面向正常拟合迁移学习模型的成员推理攻击

基于多维度和多模态信息的视频描述方法

腐蚀时间对蓝宝石衬底上外延生长GaN质量的影响

In_0.2Ga_0.8As/GaAs单量子阱PL谱温度特性及其机制

城市场景下基于域适应迁移学习的交通流预测方法

Traffic prediction method based on domain adaptive transfer learning in urban scenarios

DOI：10.11959/j.issn.1000-436x.2025128