該項目來源于高睿鵬老師的科研項目以及本人在滴滴出行公司實習期間的實際項目。該項目基于智慧交通的應用及發(fā)展,結合多源異構交通大數(shù)據(jù)來預估道路的通行時間。在交通出行領域,道路的通行時間已經(jīng)成為人們出行選擇的重要參考指標之一。在實際的交通應用場景中,道路的通行時間也是衡量道路運行狀態(tài)、交通規(guī)劃、智能交通研發(fā)、城市交通運行水平的一個重要指標。準確預估道路的通行時間不僅能夠提高人們的出行效率,還能夠進一步提升交通的服務質量。當前道路通行時間的預估方法主要集中于路徑的OD(origin-destination,OD)研究。該研究主要分為兩類,一類是基于路徑的預估方法,另一類是基于數(shù)據(jù)驅動的預估方法。通過大量的實驗證明,當前方法在數(shù)據(jù)的稀疏性、模型的泛化能力以及數(shù)據(jù)的利用率方面相對來說具有很多的局限性。為了有效解決上述問題,本論文在現(xiàn)有方法的基礎上,提出了基于神經(jīng)網(wǎng)絡的道路通行時間預估方法。在本方法中,分析利用多源異構數(shù)據(jù)特征如GPS軌跡數(shù)據(jù)、路網(wǎng)數(shù)據(jù)以及外部屬性數(shù)據(jù)如天氣、日期等,通過結合不同的數(shù)據(jù)特征輸入到網(wǎng)絡模型進行訓練預測,得到網(wǎng)絡模型的預測值。在該方法的實驗過程中,本論文首先對現(xiàn)有的多源異構數(shù)據(jù)進行數(shù)據(jù)分析及建模;其次,針對不同的數(shù)據(jù)特征采用不同的數(shù)據(jù)處理方法,如為了進一步有效地提取路網(wǎng)數(shù)據(jù)的空間特性,本論文對路網(wǎng)數(shù)據(jù)采用DeepWalk算法,目的在于保留路網(wǎng)拓撲鄰接關系的特性基礎上,將路段編號進行向量化處理;對于外部特征,由于其屬于類值屬性,不能直接輸入到網(wǎng)絡模型,所以本論文采用Embedding方法將其向量化表示,不僅能夠保留其語義之間相似性,還能夠降低數(shù)據(jù)維度。最后,基于不同的交通數(shù)據(jù)特征,結合長短時記憶網(wǎng)絡LSTM(Long Short-Term Memory,LSTM),采用深度學習框架PyTorch實現(xiàn)了預估道路通行時間的方法。通過對北京、上海兩地的數(shù)據(jù)集進行模型的訓練與測試,采用不同的評價指標,如平均絕對誤差比MAPE(Mean Absolute Percentage Error,MAPE),平均絕對誤差MAE(Mean Absolute Error,MAE)以及均方誤差MSE(Mean Square Error,MSE)來評估模型的效果。在實驗過程中,模型的MAPE的值分別為0.1736和0.1807,MAE的值分別為103.66和12.35,MSE的值分別為13279.21和13762.18。通過對現(xiàn)有不同方法的結果分析,本論文提出的道路通行時間預估方法具有較低的預測誤差,其模型效果優(yōu)于其他現(xiàn)有的方法。
【學位單位】：北京交通大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP183;U491
【部分圖文】：

驗階段發(fā)展到大規(guī)模的實施階段，與傳統(tǒng)交通運輸體系有著明顯的區(qū)別，如信息逡逑化程度高、整體全局性高、系統(tǒng)開放性強、實時動態(tài)化等優(yōu)點。智能交通系統(tǒng)框逡逑架如圖１－１所示，智能交通系統(tǒng)主要包括七個部分，分別為出行信息系統(tǒng)、交通管逡逑理系統(tǒng)、公共交通系統(tǒng)、車輛控制系統(tǒng)、電子收費系統(tǒng)、商品貨用管理系統(tǒng)以及逡逑緊急救援系統(tǒng)。其中，出行信息系統(tǒng)、交通管理系統(tǒng)以及公共管理系統(tǒng)與人們生逡逑活有著更為密切的關系，接下來簡述該三部分的內容。出行信息系統(tǒng)依托公路信逡逑息資源整合系統(tǒng)和交通管理信息系統(tǒng)的信息資源，通過互聯(lián)網(wǎng)與移動終端為出行逡逑者提供路況、突發(fā)事件、沿途等較為完善的出行信息服務；交通管理系統(tǒng)用于對逡逑信息采集、數(shù)據(jù)處理和信息分發(fā)，其主要供交通管理人員用來檢測和控制路況的逡逑相關信息，并提供道路，車輛和駕駛員之間的通信鏈路，進而發(fā)布實時準確的交逡逑通數(shù)據(jù)信息；公共交通系統(tǒng)促進了公共交通行業(yè)的發(fā)展，例如，在公交管理中心，逡逑可以根據(jù)車輛的實時狀態(tài)信息進行實時調度，進而能夠提高其工作效率和公交服逡逑務質量。逡逑２逡逑

通行時間預估方法的設計與實現(xiàn)。方法內容主要結合現(xiàn)有的車輛軌跡數(shù)據(jù)、路網(wǎng)逡逑數(shù)據(jù)以及外部屬性數(shù)據(jù)，通過神經(jīng)網(wǎng)絡模型對歷史數(shù)據(jù)的學習來預估其道路的通逡逑行時間。其模型的主要框架如圖１－３所示。逡逑實驗數(shù)據(jù)邐數(shù)據(jù)預處理邐網(wǎng)絡結構逡逑Ｗ邐

本文編號：2809655