城市交通結(jié)構(gòu)組成作為城市交通調(diào)度和個(gè)體出行重要的參考依據(jù),是當(dāng)下以及未來更好地實(shí)現(xiàn)智能交通系統(tǒng)的重要前提。本課題在已有的交通結(jié)構(gòu)挖掘相關(guān)模型和理論的研究基礎(chǔ)上,圍繞著其存在的不足:（1）以城市整體為研究對象,強(qiáng)調(diào)城市交通宏觀政策的影響;（2）基于傳統(tǒng)機(jī)器學(xué)習(xí),依賴于大量的軌跡數(shù)量,不能充分利用數(shù)據(jù)信息,產(chǎn)生信息的浪費(fèi)或者無關(guān)信息的冗余;（3）針對某一特定空間的交通結(jié)構(gòu)的挖掘,往往因?yàn)榭臻g范圍小,軌跡數(shù)量少而被忽視等,基于多任務(wù)學(xué)習(xí)思想,提出適用于不同場景,具有不同結(jié)構(gòu)的挖掘模型。主要研究內(nèi)容如下。一、綜述了與交通結(jié)構(gòu)組成分析相關(guān)的基礎(chǔ)理論和關(guān)鍵技術(shù),對現(xiàn)有的研究模型進(jìn)行了說明和總結(jié),分析了其中存在的不足,提出了本課題基于介觀層面的交通結(jié)構(gòu)挖掘的研究思路和具體框架。二、考慮對城市空間劃分顆粒度粗,研究空間范圍大,人群出行數(shù)據(jù)軌跡量相對充足的現(xiàn)實(shí)場景,或是不指定某一特定區(qū)域,旨在揭示基于用戶的相關(guān)特征屬性對交通結(jié)構(gòu)分布的影響時(shí),本課題將傳統(tǒng)的機(jī)器學(xué)習(xí)與多任務(wù)學(xué)習(xí)思想相結(jié)合,利用特征之間存在的圖結(jié)構(gòu)的相關(guān)關(guān)系,構(gòu)造基于特征相關(guān)性的模型,提出了城市粗粒度劃分空間下的交通結(jié)構(gòu)挖掘模型,實(shí)現(xiàn)充分利... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１論文組織結(jié)構(gòu)框架??第一章為“緒論”

因素之間的關(guān)聯(lián)性，無法實(shí)現(xiàn)對現(xiàn)有數(shù)據(jù)的充分利用和挖掘。??２．２．３基于傳統(tǒng)機(jī)器學(xué)習(xí)的研究模型??如圖２－２所示為機(jī)器學(xué)習(xí)算法的通用處理流程。機(jī)器學(xué)習(xí)算法的普及和應(yīng)用??往往基于龐大的數(shù)據(jù)量，從中挖掘出一定的規(guī)律。隨著ＡＦＣ系統(tǒng)在公共交通網(wǎng)??絡(luò)的應(yīng)用和ＧＰＳ設(shè)備的普及，出行軌跡數(shù)據(jù)的可獲取性為使用機(jī)器學(xué)習(xí)算法進(jìn)??行群體出行行為建模奠定了基礎(chǔ)，但現(xiàn)有模型從實(shí)現(xiàn)角度看，從傳統(tǒng)的機(jī)器學(xué)習(xí)??出發(fā)，以大量的數(shù)據(jù)為前提，主要區(qū)別只是體現(xiàn)在具體的算法或是特征選擇上，??旨在刻畫出行行為，不考慮空間性和地理區(qū)域性，不適用于對特定空間的交通結(jié)??構(gòu)組成提供精確依據(jù)。????大量的歷史??軌跡數(shù)據(jù)??訓(xùn)練?????＾?????預(yù)測Ｉ?＿?＿，??新的數(shù)據(jù)??＾模型?—出彳丁彳丁為??圖２－２機(jī)器學(xué)習(xí)處理流程??２．２．４總結(jié)與分析??從上文可知，現(xiàn)有的交通結(jié)構(gòu)挖掘分析或是基于宏觀層面，關(guān)注政府政策、??人文環(huán)境、土地使用等因素

?１??（ｍｎ）??圖２－６傳統(tǒng)機(jī)器學(xué)習(xí)的學(xué)習(xí)方式??？￥—個(gè)問題解決｜?廣￣??（?ＡＡ＼?）任務(wù)／領(lǐng)域ｂ??—個(gè)不同但相關(guān)?＼／?Ｙ?／??的問題?Ｉ??ｍｏｄｅｌ?Ａ?ｍｏｄｅｌ?Ｂ???５?知識(shí)?＾???圖２－７遷移學(xué)習(xí)的學(xué)習(xí)方式??在機(jī)器學(xué)習(xí)的傳統(tǒng)監(jiān)督學(xué)習(xí)情況下，若準(zhǔn)備為某個(gè)任務(wù)／領(lǐng)域訓(xùn)練模型，往??往以獲取任務(wù)／領(lǐng)域里標(biāo)記過的數(shù)據(jù)為前提，但在現(xiàn)實(shí)生活中，所研究的任務(wù)／領(lǐng)??域的數(shù)據(jù)常常會(huì)缺失，利用傳統(tǒng)的監(jiān)督學(xué)習(xí)方法無法得出一個(gè)可靠的模型，遷移??學(xué)習(xí)則可充分利用相近任務(wù)／領(lǐng)域的現(xiàn)有數(shù)據(jù)，試圖把處理已有任務(wù)獲取的知識(shí)，??應(yīng)用于新的目標(biāo)難題，從而彌補(bǔ)傳統(tǒng)機(jī)器學(xué)習(xí)方式的不足。??３、迀移學(xué)習(xí)的基本分類??（１）根據(jù)源領(lǐng)域和目的領(lǐng)域之間的關(guān)系，源任務(wù)和目標(biāo)任務(wù)之間的關(guān)系，以及??方法如表２－２所示。??１３??

【參考文獻(xiàn)】：
期刊論文
[1]基于出租車GPS數(shù)據(jù)的交通熱區(qū)識(shí)別方法[J]. 鄭運(yùn)鵬,趙剛,劉健.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)



本文編號(hào)：3113617