Chenghong FU
Professor
Supervisor of Master's Candidates
School/Department:交通运输学院
Administrative Position:教授
Education Level:With Certificate of Graduation for Doctorate Study
Business Address:福建理工大学旗山南校区.新技术研究大楼208D
Contact Information:E-mail:fuge@fjut.edu.cn
Degree:Doctoral degree
Status:Employed
Alma Mater:中南大学
Discipline:traffic engineering
Transportation
hysical distribution management
Release time:2021-06-12 Hits:
Affiliation of Author(s):交通运输学院
Journal:交通运输系统工程与信息
Funded by:省、自治区、直辖市科技项目
Key Words:智能交通；深度学习；支持向量回归；短时交通流；粒子群
Abstract:短时交通流预测是实施智能交通控制的基础和保障。针对目前短时交通流预测方法拟合交通数据的能力较偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法。首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端、，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端。通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求。
Note:2019.10.11 通过。报告编号：20191170
Indexed by:Journal paper
Document Code:10933
Volume:2019
Issue:4
Page Number:130-134
ISSN No.:1009-6744
Translation or Not:no
CN No.:11-4520/U
Date of Publication:2019-08-25
主要从事交通运输规划与管理领域的教学与科研工作，主讲教授运输组织学、交通系统建模与仿真、交通运输工程学等专业课程；科研兴趣：城市（群）交通规划与评价、城市交通组织、动态交通分配（DTA）建模与仿真、物流运输优化、低空物流技术与运营。
近年主持省（部）级科研项目5项，市厅级项目5项，横向项目8项；参编（副主编）教材2部；获省高教教育科学研究优秀成果奖1次，发表学术论文40余篇。
曾任交通运输学院副院长，担任《系统工程学报》期刊、IEEE ICIASE国际会议论文等匿名审稿人，以及多个省、市的科技项目评审专家。
