發(fā)布時(shí)間：2021-01-26 07:39

　　改革開放以來(lái),城市化進(jìn)程加快,居民生活水平提高,城市機(jī)動(dòng)車保有量的快速增長(zhǎng)在給人們帶來(lái)便利的同時(shí),也帶來(lái)了日益嚴(yán)峻的交通擁堵問(wèn)題,在一定程度上制約著城市的發(fā)展,良好的城市交通運(yùn)行狀況與社會(huì)效益的提高有著密不可分的聯(lián)系,因此,對(duì)城市交通擁堵問(wèn)題進(jìn)行研究具有重大意義。隨著大數(shù)據(jù)與深度學(xué)習(xí)的快速發(fā)展,智能交通系統(tǒng)（ITS）越來(lái)越成為未來(lái)交通發(fā)展的新方向,本文旨在利用深度學(xué)習(xí)模型對(duì)城市交通擁堵進(jìn)行識(shí)別與預(yù)警。其中,常發(fā)性城市交通擁堵有明顯的時(shí)間和地點(diǎn)分布規(guī)律,具有較強(qiáng)的可預(yù)測(cè)性;偶發(fā)性擁堵則是由于交通事故、突發(fā)事件或天氣等原因造成的隨機(jī)擁堵現(xiàn)象,隨機(jī)性強(qiáng)較難預(yù)測(cè)。本文綜合考慮常發(fā)性城市交通擁堵與偶發(fā)性城市交通擁堵的致堵因素,實(shí)現(xiàn)對(duì)城市交通擁堵的識(shí)別與預(yù)警,使交通管理部門對(duì)城市交通擁堵現(xiàn)象進(jìn)行整體把控。本文構(gòu)建的混合式深度學(xué)習(xí)模型主要包含兩個(gè)部分,底層為典型的深度學(xué)習(xí)模型自編碼網(wǎng)絡(luò)（AE）,通過(guò)利用大量數(shù)據(jù)對(duì)其進(jìn)行特征學(xué)習(xí)訓(xùn)練,能夠得到城市道路中交通擁堵情況的潛在規(guī)律,習(xí)得數(shù)據(jù)特征后通過(guò)上層的支持向量機(jī)（SVM）模型,對(duì)城市道路交通擁堵情況進(jìn)行分類,得到五種不同等級(jí)的交通運(yùn)行狀態(tài)。最后在深度學(xué)習(xí)... 

【文章來(lái)源】：大連交通大學(xué)遼寧省

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．２碎石圖??Ｆｉｇ．?３．２?Ｇｒａｖｅｌ?ｍａｐ??

?第四章基于混合式深度學(xué)習(xí)的交通擁堵識(shí)別與預(yù)警???＿??０＾?ｈｗ，ｂ（ｘ）輸出層１３??輸入層丨１??圖４．１自編碼網(wǎng)絡(luò)結(jié)構(gòu)示意圖??Ｆｉｇ．?４．１?Ａｕｔｏ－Ｅｎｃｏｄｅｒ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??以上述圖中的自編碼網(wǎng)絡(luò)結(jié)構(gòu)為例，我們假設(shè)輸出等于輸入來(lái)訓(xùn)練這個(gè)網(wǎng)絡(luò)參數(shù)，??當(dāng)網(wǎng)絡(luò)的輸入量確定后，唯一需要確定的就是隱含層的個(gè)數(shù)。我們可以看到，網(wǎng)絡(luò)的輸??入與輸出都是一個(gè)６維的向量，隱含層是一個(gè)３維的向量，自編碼網(wǎng)絡(luò)可以將原始量通??過(guò)編碼映射成為另外一組量，這組新生成的量又可以通過(guò)譯碼恢復(fù)成原始輸入量，如果??我們分開來(lái)看，那么中間的隱藏層中的輸出量，其實(shí)可以看作是另外一種的表達(dá)。這就??好比我們?cè)趨^(qū)分不同的人時(shí)，我們直接見到這個(gè)人時(shí)你可以很容易的區(qū)分他和其他人，??但是當(dāng)你不能看到這個(gè)人的時(shí)候，你可以說(shuō)這個(gè)人的名字，同樣可以將他和其他人區(qū)別??開來(lái)，所以，其實(shí)這個(gè)人的名字就是在另外一種條件下的不同表達(dá)，也是一個(gè)屬于他本??人的一個(gè)特征，而往往這種特征更容易讓我們?nèi)^(qū)分他和別人的不同。??在大數(shù)據(jù)革命的浪潮下，數(shù)據(jù)和信息越來(lái)越被人們所重視，信息及數(shù)據(jù)的價(jià)值凸顯，??數(shù)據(jù)獲取及處理等一系列技術(shù)的進(jìn)步是推動(dòng)“大數(shù)據(jù)革命”爆發(fā)的動(dòng)力，隨著數(shù)據(jù)信息??生產(chǎn)的要素化，與數(shù)據(jù)相關(guān)的一系列科學(xué)技術(shù)的不斷改進(jìn)與發(fā)展，正在無(wú)形和有形中推??動(dòng)著國(guó)家的進(jìn)步，帶動(dòng)著區(qū)域經(jīng)濟(jì)的發(fā)展、智慧城市的建設(shè)、企業(yè)管理、社會(huì)管理和個(gè)??人的工作與生活等各個(gè)領(lǐng)域的創(chuàng)新與變革。機(jī)器學(xué)習(xí)出現(xiàn)的主要貢獻(xiàn)在于它可以提取出??數(shù)據(jù)的主要特征，以前的特征要么是人為設(shè)計(jì)出來(lái)的，要么是淺層學(xué)習(xí)出來(lái)的，深度學(xué)??習(xí)的出現(xiàn)正在逐漸打敗傳統(tǒng)的模式識(shí)別領(lǐng)

個(gè)層次的數(shù)據(jù)特征都學(xué)習(xí)出??來(lái)，這就是深度學(xué)習(xí)優(yōu)于以往學(xué)習(xí)算法的地方。??４．１．３支持向量機(jī)??支持向量機(jī)（Ｓｕｐｐｏｒｔ?Ｖｅｃｔｏｒ?Ｍａｃｈｉｎｅ，簡(jiǎn)稱ＳＶＭ），是一種能夠通過(guò)監(jiān)督學(xué)習(xí)對(duì)??數(shù)據(jù)進(jìn)行二分類的廣義線性判別模型，它是在深度學(xué)習(xí)出現(xiàn)之前表現(xiàn)性能最好的一種機(jī)??器學(xué)習(xí)方法，常用來(lái)做分類器。??ＳＶＭ由感知機(jī)發(fā)展而來(lái)，感知機(jī)可以看作是低配版的線性ＳＶＭ，在線性可分的兩??類數(shù)據(jù)中感知機(jī)可以在有限的步驟中計(jì)算出一個(gè)分離超平面（或一條直線），將這兩類??完全分離開來(lái)。如圖４．２所示：??圖４．２感知機(jī)訓(xùn)練出來(lái)的４個(gè)不同的線性分類器??Ｆｉｇ．?４．２?ｆｏｕｒ?ｄｉｆｆｅｒｅｎｔ?ｌｉｎｅａｒ?ｃｌａｓｓｉｆｉｅｒｓ?ｔｒａｉｎｅｄ?ｂｙ?ｔｈｅ?ｐｅｒｃｅｐｔｒｏｎ??在兩類樣本線性可分的情況下，感知機(jī)可以保證找出一個(gè)解，但并不是唯一解，即??決策邊界的質(zhì)量褒貶不一，我們想要找到一條兩邊間隔最大的分離超平面（或一條直??線），即找出感知機(jī)所有解中的最優(yōu)解，這就是線性ＳＶＭ所做的事情。當(dāng)模型的約朿??限制條件變多時(shí)，該模型的解就越來(lái)越少，當(dāng)我們給感知機(jī)的損失函數(shù)加上更多限制條??件進(jìn)行約束時(shí)，就可以有效減少解的個(gè)數(shù)，從而達(dá)到優(yōu)化解的目的。??假設(shè)給定輸入數(shù)據(jù)ｘ?＝?其中輸入數(shù)據(jù)的每個(gè)樣本都包括多個(gè)特征并由??此構(gòu)成特征空間Ｘ?，ｘ２，？?ｅ?ｘ，學(xué)習(xí)標(biāo)簽為二元變量少ｅ?？｛?＋１，－１１表示輸出結(jié)果的??正類和負(fù)類。那么輸入數(shù)據(jù)所在的特征空間將在作為抉擇邊界的超平面＋?＝?０可以??將樣本點(diǎn)按照正負(fù)類區(qū)分幵來(lái)，并且使任意的樣本點(diǎn)到平面距離大于等于１，即??＋６）?２１，也就是說(shuō)，該分類問(wèn)題具有線性可分性，

【參考文獻(xiàn)】：
期刊論文
[1]基于矩形法的交通擁堵傳播模型研究[J]. 吳琰飄,蔡曉禹,陳明亮,李靜.  城市交通. 2018(05)
[2]城市交通擁堵治理的研究綜述和建議[J]. 雷洋,黃承鋒.  綜合運(yùn)輸. 2018(04)
[3]改進(jìn)RNN的城市交通擁堵預(yù)測(cè)模型研究[J]. 秦瑤,李勇,王世民.  電子世界. 2018(06)
[4]基于深度學(xué)習(xí)的短時(shí)交通流預(yù)測(cè)研究[J]. 王祥雪,許倫輝.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(01)
[5]基于深度學(xué)習(xí)的短時(shí)交通流量預(yù)測(cè)[J]. 喬松林,孫仁誠(chéng),劉吉.  青島大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[6]交通事件下快速路擁堵蔓延消散時(shí)空范圍模型[J]. 臧金蕊,宋國(guó)華,萬(wàn)濤,高永,費(fèi)文鵬,于雷.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(05)
[7]基于深度學(xué)習(xí)的空域擁堵預(yù)測(cè)建模[J]. 丁輝,王冠,謝鵬.  信息化研究. 2017(04)
[8]基于速度的城市快速路交通擁堵預(yù)測(cè)研究[J]. 邢珊珊,谷遠(yuǎn)利,沈立杰,楊驍路,莊廣新.  交通信息與安全. 2016(02)
[9]深度學(xué)習(xí)在城市交通流預(yù)測(cè)中的實(shí)踐研究[J]. 尹邵龍,趙亞楠.  現(xiàn)代電子技術(shù). 2015(15)
[10]基于深度學(xué)習(xí)的交通擁堵預(yù)測(cè)模型研究[J]. 譚娟,王勝春.  計(jì)算機(jī)應(yīng)用研究. 2015(10)

博士論文
[1]城市道路交通擁堵機(jī)理及控制方法研究[D]. 黃艷國(guó).華南理工大學(xué) 2015
[2]城市交通擁堵傳播機(jī)理及其控制策略研究[D]. 袁紹欣.長(zhǎng)安大學(xué) 2012
[3]城市交通網(wǎng)絡(luò)擁擠識(shí)別[D]. 王建玲.西南交通大學(xué) 2008

碩士論文
[1]城市道路交通擁堵擴(kuò)散機(jī)理研究[D]. 常桃寧.西南交通大學(xué) 2018
[2]城市交通流量預(yù)測(cè)及控制策略研究[D]. 張崇嬌.中北大學(xué) 2018
[3]城市快速路瓶頸路段交通流狀態(tài)判別及擁堵機(jī)理研究[D]. 伍帥.華南理工大學(xué) 2017
[4]城市快速路突發(fā)事件應(yīng)急交通疏散方法研究[D]. 胡雁賓.吉林大學(xué) 2017
[5]惡劣天氣對(duì)城市快速路網(wǎng)交通狀態(tài)影響規(guī)律研究[D]. 和飛飛.北京交通大學(xué) 2016
[6]城市主干路交通擁堵預(yù)測(cè)方法研究[D]. 張富強(qiáng).長(zhǎng)安大學(xué) 2015
[7]基于RFID數(shù)據(jù)的城市道路交通狀態(tài)判別方法[D]. 王靜.東南大學(xué) 2015
[8]基于微波數(shù)據(jù)的城市快速路常發(fā)性擁堵評(píng)價(jià)方法研究[D]. 閆小倩.北京交通大學(xué) 2015
[9]典型交通事件下道路擁堵的網(wǎng)絡(luò)化蔓延特性研究[D]. 張凡.北京交通大學(xué) 2014
[10]基于交通波理論的典型交通事件下?lián)矶侣酉⒛Ｐ蚚D]. 張曉燕.北京交通大學(xué) 2014



本文編號(hào)：3000735