利用深度学习架构进行短期流量预测的matlab代码-traffic_flow_code，采用卷积滤波器实现

用卷积滤波器matlab代码使用深度学习和概率损失函数的交通流量预测 欢迎。 该存储库包含数据和脚本，这些数据和脚本包含“使用深度学习和概率损失函数进行流量预测”（带有PLF的TFF）。 这项工作是一个实时自动系统，用于预测高速公路内的短期交通速度。 包括的工具可让您轻松运行代码。 本自述文件是一个简短的概述，其中包含有关使用PLF设置和运行TFF的详细信息。 请参考以下内容： 使用PLF运行TFF 初始要求 对于代码，所需的环境是Matlab。 因此，您需要安装Matlab。 为了使用卷积神经网络（CNN）在PLF上运行TFF，已经为您下载并编译了MatConvNet工具箱。 因此，您无需安装和编译MatConvNet。 但是，如果您拥有自己的MatConvNet版本，则可以通过自己替换“ traffic_flow_code_CNN /”目录中的MatConvNet文件夹来实现。 用法 使用PLF的TFF有几种用例： 您可以通过进入“ traffic_flow_code_CNN /”目录并运行文件“ proj_traffic_flow_prediction_10wStr.m”来训练和