【摘要】：目前,為了解決我國(guó)嚴(yán)重的交通擁擠問(wèn)題,一些智能化的系統(tǒng)已經(jīng)逐漸的引入到了交通管理中,從而進(jìn)一步提高了交通運(yùn)行的效率。本文對(duì)深度學(xué)習(xí)的涵義做了簡(jiǎn)單的介紹,詳細(xì)的分析了在深度學(xué)習(xí)條件下DBN-SVR路網(wǎng)短時(shí)交通流預(yù)測(cè)模型,并探討了交通流時(shí)空特性,希望以此能夠更好的分析路網(wǎng)的交通狀況,不斷地提高路網(wǎng)交通規(guī)劃,加強(qiáng)對(duì)交通的優(yōu)化控制。
[Abstract]:At present, in order to solve the serious problem of traffic congestion in China, some intelligent systems have been gradually introduced into traffic management, thus further improving the efficiency of traffic operation. This paper gives a brief introduction to the meaning of deep learning, analyzes in detail the short-term traffic flow prediction model of DBN-SVR network under the condition of deep learning, and discusses the space-time characteristics of traffic flow. It is hoped that the traffic situation of the road network can be analyzed better, the traffic planning of the road network can be improved continuously, and the traffic optimization control can be strengthened.
【作者單位】： 西安鐵路職業(yè)技術(shù)學(xué)院;
【分類號(hào)】：U491.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王正武,黃中祥;短時(shí)交通流預(yù)測(cè)模型的分析與評(píng)價(jià)[J];系統(tǒng)工程;2003年06期

2 偶昌寶,俞亞南;短時(shí)交通流預(yù)測(cè)的多層遞階方法[J];城市道橋與防洪;2004年05期

3 高麗梅;高鵬;陳俊波;;數(shù)據(jù)融合技術(shù)在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[J];交通科技;2010年S1期

4 唐世星;;改進(jìn)的支持向量機(jī)算法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[J];承德石油高等�？茖W(xué)校學(xué)報(bào);2012年01期

5 王嬌;李軍;;最小最大概率回歸機(jī)在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[J];公路交通科技;2014年02期

6 賀國(guó)光,李宇,馬壽峰;基于數(shù)學(xué)模型的短時(shí)交通流預(yù)測(cè)方法探討[J];系統(tǒng)工程理論與實(shí)踐;2000年12期

7 宗春光,宋靖雁,任江濤,胡堅(jiān)明;基于相空間重構(gòu)的短時(shí)交通流預(yù)測(cè)研究[J];公路交通科技;2003年04期

8 楊世堅(jiān),賀國(guó)光;基于模糊C均值聚類和神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)方法[J];系統(tǒng)工程;2004年08期

9 王進(jìn);史其信;;短時(shí)交通流預(yù)測(cè)模型綜述[J];中國(guó)公共安全(學(xué)術(shù)卷);2005年01期

10 楊芳明;朱順應(yīng);;基于小波的短時(shí)交通流預(yù)測(cè)[J];重慶交通學(xué)院學(xué)報(bào);2006年03期

相關(guān)會(huì)議論文 前3條

1 鄭德署;何世偉;許旺土;;分形理論在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

2 唐麗娜;張衛(wèi)華;;短時(shí)交通流預(yù)測(cè)方法的比較研究[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

3 于建玲;商朋見;關(guān)積珍;;改進(jìn)的相空間重構(gòu)方法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 姚智勝;基于實(shí)時(shí)數(shù)據(jù)的道路網(wǎng)短時(shí)交通流預(yù)測(cè)理論與方法研究[D];北京交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 高為;基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的短時(shí)交通流預(yù)測(cè)研究[D];重慶交通大學(xué);2011年

2 齊霖;基于支持向量機(jī)回歸的短時(shí)交通流預(yù)測(cè)與系統(tǒng)實(shí)現(xiàn)[D];東北大學(xué);2013年

3 邱世崇;基于時(shí)空特性的城市道路短時(shí)交通流預(yù)測(cè)研究[D];重慶交通大學(xué);2015年

4 沈小峰;交通流量短時(shí)預(yù)測(cè)的算法研究[D];浙江工業(yè)大學(xué);2015年

5 江小燕;短時(shí)交通流預(yù)測(cè)方法研究[D];揚(yáng)州大學(xué);2015年

6 楊慧慧;城市交通流短時(shí)預(yù)測(cè)模型研究[D];河南理工大學(xué);2015年

7 王鵬;基于嵌入式系統(tǒng)的城市智能交通控制器研究[D];遼寧科技大學(xué);2016年

8 羅婷;模擬退火混沌粒子群算法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[D];西南交通大學(xué);2016年

9 黃曉慧;基于布谷鳥算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)研究[D];西南交通大學(xué);2016年

10 褚鵬宇;融合時(shí)空信息的短時(shí)交通流預(yù)測(cè)[D];西南交通大學(xué);2016年

，

本文編號(hào)：2337596