為了改善交通擁堵問題,許多城市開始部署和發(fā)展智能交通系統(tǒng)（Intelligent Transport System,ITS）。短時(shí)車流量預(yù)測作為ITS的重要基礎(chǔ)技術(shù),一直是ITS領(lǐng)域的研究重點(diǎn)和熱點(diǎn)。本文利用射頻識(shí)別（Radio Frequency Identification,RFID）車檢數(shù)據(jù),分別采用單個(gè)與集成（Bagging）的長短期記憶神經(jīng)網(wǎng)絡(luò)（Long Short-Term Memory,LSTM）對短時(shí)車流量預(yù)測開展研究,取得了良好效果。主要工作內(nèi)容如下:首先,詳細(xì)總結(jié)了現(xiàn)有的短時(shí)車流量預(yù)測方法,對短時(shí)交通流的基本參數(shù)、特性進(jìn)行了分析,并對LSTM相關(guān)技術(shù)進(jìn)行了闡述,為后續(xù)模型構(gòu)建和實(shí)現(xiàn)奠定了基礎(chǔ)。其次,建立單個(gè)LSTM預(yù)測模型。交通流量具有復(fù)雜的歷史依賴性等特點(diǎn),因此,本文選擇使用LSTM進(jìn)行建模,并基于python開源機(jī)器學(xué)習(xí)庫實(shí)現(xiàn)模型。數(shù)據(jù)集采用RFID車檢數(shù)據(jù)。通過訓(xùn)練好的模型預(yù)測某路口一天的交通流量,驗(yàn)證了模型的準(zhǔn)確性。為提高模型的泛化能力和預(yù)測準(zhǔn)確率,提出基于集成LSTM的短時(shí)車流量預(yù)測模型。在實(shí)現(xiàn)單個(gè)基于LSTM的短時(shí)車流量預(yù)測模型的基礎(chǔ)上,考慮節(jié)假日、天氣... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

數(shù)據(jù)來源路口表3.1原始數(shù)據(jù)示例

基于LSTM的短時(shí)車流量預(yù)測模型預(yù)測結(jié)果

37圖 3.6 基于 LSTM 的短時(shí)車流量預(yù)測模型預(yù)測結(jié)果相對誤差除了通過結(jié)果圖進(jìn)行分析，本文還引入前文介紹的常用模型評價(jià)指標(biāo)中的絕對百分比誤差 MAPE 和均方根誤差 RMSE 對誤差做定量計(jì)算，由 MAPE 可出模型的精確度，RMSE 能評估預(yù)測數(shù)據(jù)和模型的適應(yīng)程度。經(jīng)過計(jì)算 MA

【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)下智能交通系統(tǒng)的發(fā)展綜述[J]. 張溪.  信息與電腦(理論版). 2019(01)
[2]基于RFID的智能交通多路感知系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 胡倩菲.  中國新通信. 2018(24)
[3]基于LSTM的短時(shí)交通流預(yù)測研究[J]. 曹博,高茂庭.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(25)
[4]交通大數(shù)據(jù)環(huán)境下短時(shí)交通流量預(yù)測研究[J]. 蔡曉禹,譚宇婷,雷財(cái)林,劉秀彩.  鐵道運(yùn)輸與經(jīng)濟(jì). 2018(08)
[5]基于改進(jìn)的LSTM深度神經(jīng)網(wǎng)絡(luò)語音識(shí)別研究[J]. 趙淑芳,董小雨.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2018(05)
[6]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時(shí)間序列預(yù)測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報(bào). 2018(04)
[7]基于ARIMA和小波神經(jīng)網(wǎng)絡(luò)組合模型的交通流預(yù)測[J]. 成云,成孝剛,談苗苗,周凱,李海波.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(01)
[8]基于LSTM網(wǎng)絡(luò)的序列標(biāo)注中文分詞法[J]. 任智慧,徐浩煜,封松林,周晗,施俊.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[9]基于深度學(xué)習(xí)的短時(shí)交通流預(yù)測[J]. 羅向龍,焦琴琴,牛力瑤,孫壯文.  計(jì)算機(jī)應(yīng)用研究. 2017(01)
[10]集成BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的研究與應(yīng)用[J]. 趙會(huì)敏,雒江濤,楊軍超,徐正,雷曉,羅林.  電信科學(xué). 2016(02)

碩士論文
[1]基于LSTM和灰色模型集成的短期交通流預(yù)測[D]. 談苗苗.南京郵電大學(xué) 2017
[2]基于上下文的維度情感識(shí)別方法研究[D]. 饒啟玉.江蘇大學(xué) 2017
[3]基于RFID的智能交通信息感知系統(tǒng)的研究及實(shí)現(xiàn)[D]. 胡方來.揚(yáng)州大學(xué) 2013



本文編號(hào)：3091943