基于深度学习的城市道路通行能力模型研究

基于深度学习的城市道路通行能力模型是近年来研究的热点之一。这种模型可以通过对交通流量数据的学习，自动提取特征，从而预测未来的交通流量和道路通行能力。以下是一些相关的论文：

1. "DeepTraffic: Driving Faster through Deep Learning"，这是一篇由MIT的研究人员发表在arXiv上的论文。该论文提出了一种基于深度学习的交通流量预测模型，可以预测未来5分钟内的交通流量。

2. "Traffic Flow Prediction with Big Data: A Deep Learning Approach"，这是一篇发表在IEEE Transactions on Intelligent Transportation Systems上的论文。该论文利用深度学习方法，通过分析历史交通流量数据，预测未来的交通流量。

3. "Real-time traffic prediction with deep learning for smart cities"，这是一篇发表在IEEE Transactions on Intelligent Transportation Systems上的论文。该论文提出了一种基于深度学习的交通流量预测模型，可以在实时性要求较高的情况下进行交通流量预测。

4. "Short-term traffic flow forecasting based on deep learning neural network"，这是一篇发表在Journal of Transportation Systems Engineering and Information Technology上的论文。该论文提出了一种基于深度学习神经网络的交通流量预测模型，可以预测未来5分钟的交通流量。

这些论文都使用了深度学习方法，通过对历史交通流量数据的学习，来预测未来的交通流量和道路通行能力。这些模型在准确性和实时性方面都有一定的优势，可以帮助交通管理部门更好地规划和管理城市道路。