關鍵詞：短時交通流量 雙向門控循環單元 時空特征 周期性特征 

摘要：新一代智能交通系統的智能出行、交通大數據智能化決策需要精準及時的短時交通流量預測,深度學習通過機器學習技術自身產生特征,可為短時交通流量預測提供解決方法。以深度學習模型為基礎,提出一種結合Conv-GRU和Bi-GRU的短時交通流量預測方法,利用卷積-門控循環單元提取交通流量的時空特征,通過雙向門控循環單元提取交通流量的周期特征,將提取的特征進行融合得到交通流量的預測值。實驗結果表明,該方法能夠準確地預測短時交通流量,與Conv-LSTM方法相比,收斂速度較快,具有更短的運行時間。

計算機工程雜志要求:

{1}文獻按作者姓氏的第一個字母依A－Z順序分中、英文兩部分排列，中文文獻在前，英文文獻在后。引文中的英文書名及期刊名用斜體，論文題目寫入“”號內。

{2}來稿應是未以任何形式公開發表過的論文，亦不接受一稿多投的文章。稿件寄出1個月未接到本刊通知即可自行處理。

{3}本刊已許可中國知網以數字化方式復制、匯編、發行、信息網絡傳播本刊全文。如有異議，請在投稿時說明，本刊將按作者說明處理。

{4}標題之下如“(1)(2)”和“①②”序數不分行顯示。

{5}作者簡介：第一作者姓名（出生年月），性別，畢業院校及學位，職稱，研究方向。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社