隨著城鎮(zhèn)化進(jìn)程的推進(jìn),我國城市道路交通系統(tǒng)的運(yùn)行狀況日益惡化,不僅損害了交通參與者的出行效率,而且造成了日益嚴(yán)重的環(huán)境污染,極大了損害了人們?cè)诔鞘兄械纳钇焚|(zhì)。為了解決這些問題,城市路網(wǎng)中全面、準(zhǔn)確的道路交通信息至關(guān)重要。作為一種極為重要的交通基礎(chǔ)信息,行程時(shí)間最能直接反應(yīng)道路交通的運(yùn)行狀態(tài),受到了人們的廣泛關(guān)注。準(zhǔn)確、可靠的城市路網(wǎng)行程時(shí)間是智能交通系統(tǒng)（Intelligent Transportation System,ITS）的重要基礎(chǔ),在城市交通規(guī)劃、交通運(yùn)輸管理的各個(gè)方面都發(fā)揮著極為重要的作用,對(duì)提高交通系統(tǒng)運(yùn)行效率、緩解城市交通擁堵具有重要的指導(dǎo)意義。然而,由于城市交通系統(tǒng)的復(fù)雜性,城市路網(wǎng)中的行程時(shí)間受到內(nèi)在與外在因素的綜合影響,具有顯著的內(nèi)在不確定性,城市路網(wǎng)行程時(shí)間的準(zhǔn)確估計(jì)與預(yù)測(cè)是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。隨著信息技術(shù)與智能交通系統(tǒng)的發(fā)展,交通數(shù)據(jù)的采集方式日益豐富,交通已經(jīng)從一個(gè)數(shù)據(jù)匱乏的時(shí)期進(jìn)入到大數(shù)據(jù)時(shí)代。日益劇增的海量數(shù)據(jù)蘊(yùn)含了大量的信息與知識(shí),為城市路網(wǎng)中復(fù)雜交通問題的解決提供了更多可能的途徑。如何從海量的數(shù)據(jù)中挖掘知識(shí),以此對(duì)城市路網(wǎng)的行程時(shí)間進(jìn)行準(zhǔn)確地估計(jì)... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：210 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
        1.1.1 選題背景與依托課題
        1.1.2 研究目的與意義
    1.2 研究?jī)?nèi)容與技術(shù)路線
        1.2.1 研究?jī)?nèi)容
        1.2.2 研究方法與技術(shù)路線
    1.3 主要?jiǎng)?chuàng)新點(diǎn)
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 數(shù)據(jù)驅(qū)動(dòng)行程時(shí)間估計(jì)與預(yù)測(cè)研究綜述
    2.1 城市路網(wǎng)行程時(shí)間估計(jì)與預(yù)測(cè)概述
        2.1.1 城市路網(wǎng)特性
        2.1.2 行程時(shí)間估計(jì)與預(yù)測(cè)的異同
    2.2 數(shù)據(jù)驅(qū)動(dòng)方法概述
        2.2.1 數(shù)據(jù)驅(qū)動(dòng)方法的概念
        2.2.2 數(shù)據(jù)驅(qū)動(dòng)方法的基本原理與特點(diǎn)
        2.2.3 數(shù)據(jù)驅(qū)動(dòng)方法綜述
    2.3 行程時(shí)間估計(jì)研究綜述
        2.3.1 基于點(diǎn)傳感器數(shù)據(jù)的行程時(shí)間估計(jì)模型
        2.3.2 基于區(qū)間傳感器數(shù)據(jù)的行程時(shí)間估計(jì)模型
        2.3.3 基于數(shù)據(jù)融合的行程時(shí)間估計(jì)模型
    2.4 行程時(shí)間預(yù)測(cè)研究綜述
        2.4.1 樸素方法
        2.4.2 基于交通流理論的行程時(shí)間預(yù)測(cè)
        2.4.3 基于數(shù)據(jù)驅(qū)動(dòng)的行程時(shí)間預(yù)測(cè)
        2.4.4 基于混合模型的行程時(shí)間預(yù)測(cè)
    2.5 國內(nèi)外研究現(xiàn)狀總結(jié)
    2.6 本章小結(jié)
第三章 車載GPS數(shù)據(jù)與基礎(chǔ)處理方法研究
    3.1 簡(jiǎn)介
    3.2 交通數(shù)據(jù)采集
        3.2.1 交通數(shù)據(jù)采集方法
        3.2.2 車輛GPS軌跡數(shù)據(jù)
    3.3 車輛GPS數(shù)據(jù)預(yù)處理
        3.3.1 車輛GPS數(shù)據(jù)特點(diǎn)
        3.3.2 車輛GPS數(shù)據(jù)預(yù)處理方法
    3.4 基于GPS數(shù)據(jù)的行程時(shí)間提取方法
        3.4.1 地圖匹配
        3.4.2 路徑推導(dǎo)
        3.4.3 行程時(shí)間分配
    3.5 本章小結(jié)
第四章 基于稀疏GPS大數(shù)據(jù)的城市路網(wǎng)行程時(shí)間估計(jì)方法研究
    4.1 簡(jiǎn)介
    4.2 相關(guān)理論基礎(chǔ)
        4.2.1 張量基礎(chǔ)與表示方法
        4.2.2 張量的相關(guān)定義與運(yùn)算
        4.2.3 張量分解與重構(gòu)
        4.2.4 張量補(bǔ)全
    4.3 模型基本框架與相關(guān)定義
        4.3.1 相關(guān)定義
        4.3.2 模型基本框架
    4.4 基于稀疏GPS大數(shù)據(jù)的城市路網(wǎng)行程時(shí)間估計(jì)方法
        4.4.1 地圖映射
        4.4.2 基于張量的行程時(shí)間建模
        4.4.3 概率交通狀態(tài)聚類
        4.4.4 行程時(shí)間估計(jì)
    4.5 實(shí)驗(yàn)結(jié)果及分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)
        4.5.2 行程時(shí)間建模結(jié)果與分析
        4.5.3 概率交通狀態(tài)聚類結(jié)果與分析
        4.5.4 行程時(shí)間估計(jì)結(jié)果與分析
    4.6 本章小結(jié)
第五章 基于貝葉斯概率張量分解的城市路網(wǎng)行程時(shí)間估計(jì)方法
    5.1 簡(jiǎn)介
    5.2 研究問題描述與模型基本框架
        5.2.1 研究問題描述
        5.2.2 模型基本框架
    5.3 基于貝葉斯概率張量分解的城市路網(wǎng)行程時(shí)間估計(jì)方法
        5.3.1 地圖映射
        5.3.2 行程時(shí)間張量構(gòu)建
        5.3.3 行程時(shí)間張量合并
        5.3.4 基于張量分解的缺失數(shù)據(jù)估計(jì)
        5.3.5 基于對(duì)數(shù)正態(tài)分布的貝葉斯概率張量分解
    5.4 實(shí)驗(yàn)結(jié)果及分析
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)
        5.4.2 實(shí)驗(yàn)設(shè)置
        5.4.3 評(píng)估指標(biāo)
        5.4.4 行程時(shí)間估計(jì)模型性能
        5.4.5 模型性能對(duì)比
        5.4.6 模型敏感性分析
    5.5 本章小結(jié)
第六章 基于深度學(xué)習(xí)的城市路網(wǎng)行程時(shí)間預(yù)測(cè)方法研究
    6.1 簡(jiǎn)介
    6.2 深度學(xué)習(xí)理論基礎(chǔ)
        6.2.1 深度學(xué)習(xí)簡(jiǎn)介
        6.2.2 深度學(xué)習(xí)訓(xùn)練方法
        6.2.3 典型的深度學(xué)習(xí)模型
    6.3 基于深度學(xué)習(xí)的城市路網(wǎng)行程時(shí)間預(yù)測(cè)方法
        6.3.1 特征數(shù)據(jù)提取
        6.3.2 基于機(jī)器學(xué)習(xí)的行程時(shí)間預(yù)測(cè)建模
        6.3.3 稀疏降噪自動(dòng)編碼器
        6.3.4 行程時(shí)間預(yù)測(cè)深度學(xué)習(xí)模型
        6.3.5 深度網(wǎng)絡(luò)訓(xùn)練算法
    6.4 實(shí)驗(yàn)結(jié)果及分析
        6.4.1 實(shí)驗(yàn)數(shù)據(jù)
        6.4.2 實(shí)驗(yàn)設(shè)置
        6.4.3 評(píng)估指標(biāo)
        6.4.4 模型結(jié)果
        6.4.5 模型性能分析
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 研究展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介、在讀期間發(fā)表論文及參與科研情況


【參考文獻(xiàn)】：
期刊論文
[1]基于LightGBM算法的公交行程時(shí)間預(yù)測(cè)[J]. 王芳杰,王福建,王雨晨,邊馳.  交通運(yùn)輸系統(tǒng)工程與信息. 2019(02)
[2]考慮行程時(shí)間不確定性的服務(wù)設(shè)施時(shí)空可達(dá)性度量[J]. 付曉,李夢(mèng)瑤,陸欣,蔡先華.  交通運(yùn)輸系統(tǒng)工程與信息. 2019(02)
[3]基于四階矩的路網(wǎng)總行程時(shí)間可靠性評(píng)價(jià)[J]. 李小靜,劉林忠,牟海波.  交通運(yùn)輸系統(tǒng)工程與信息. 2019(01)
[4]基于聚類分析的高速公路行程時(shí)間預(yù)測(cè)[J]. 李松江,宋軍芬,楊華民,張鳳榮.  計(jì)算機(jī)仿真. 2019(02)
[5]基于極限學(xué)習(xí)機(jī)的公交行程時(shí)間預(yù)測(cè)方法[J]. 宋現(xiàn)敏,劉明鑫,馬林,夏英集.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(05)
[6]行程時(shí)間不確定環(huán)境下地點(diǎn)可達(dá)性研究[J]. 王亞飛,袁輝,陳碧宇,李清泉,萬夢(mèng),王家耀,郭建忠.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2019(11)
[7]網(wǎng)絡(luò)行程時(shí)間可靠性評(píng)價(jià)方法與影響因素[J]. 陳喜群,劉教坤,胡浩強(qiáng),崔爾佳,張帥超.  交通運(yùn)輸工程學(xué)報(bào). 2018(04)
[8]基于浮動(dòng)車數(shù)據(jù)的城市道路行程時(shí)間估計(jì)[J]. 羅霞,曹陽,劉博,李演洪.  交通運(yùn)輸工程與信息學(xué)報(bào). 2018(02)
[9]基于梯度提升回歸樹的城市道路行程時(shí)間預(yù)測(cè)[J]. 龔越,羅小芹,王殿海,楊少輝.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2018(03)

博士論文
[1]基于行程時(shí)間分析的城市交通網(wǎng)絡(luò)流量分配研究[D]. 李勍.北京交通大學(xué) 2018
[2]基于大數(shù)據(jù)的城市居民出行分析建模[D]. 蔡正義.浙江大學(xué) 2018
[3]基于張量分解和語義網(wǎng)的醫(yī)學(xué)信息檢索和推薦系統(tǒng)[D]. 王浩林.中國科學(xué)院大學(xué)(中國科學(xué)院重慶綠色智能技術(shù)研究院) 2018
[4]基于網(wǎng)格模型的城市交通運(yùn)行狀態(tài)識(shí)別和行程時(shí)間預(yù)測(cè)方法研究[D]. 劉煬.北京交通大學(xué) 2018
[5]城市道路網(wǎng)絡(luò)中行程時(shí)間分布的估計(jì)及預(yù)測(cè)方法研究[D]. 時(shí)朝陽.武漢大學(xué) 2017
[6]基于海量出租車軌跡數(shù)據(jù)的旅行時(shí)間預(yù)測(cè)[D]. 許濤.華東師范大學(xué) 2017
[7]基于數(shù)據(jù)驅(qū)動(dòng)的多時(shí)間尺度鋰離子電池狀態(tài)評(píng)估技術(shù)研究[D]. 鄭方丹.北京交通大學(xué) 2017
[8]基于自動(dòng)車牌識(shí)別數(shù)據(jù)的城市道路行程時(shí)間估計(jì)[D]. 付鳳杰.浙江大學(xué) 2017
[9]大數(shù)據(jù)驅(qū)動(dòng)下的高速公路交通運(yùn)行狀態(tài)評(píng)價(jià)與分析[D]. 陳嬌娜.長(zhǎng)安大學(xué) 2016
[10]基于張量分析的多因素音頻信號(hào)建模與應(yīng)用研究[D]. 楊立東.北京理工大學(xué) 2016

碩士論文
[1]基于車輛軌跡的個(gè)性化路徑導(dǎo)航與行程時(shí)間預(yù)測(cè)[D]. 易先鋒.華南理工大學(xué) 2018
[2]基于耦合低頻浮動(dòng)車軌跡的行程時(shí)間估計(jì)方法[D]. 黎瀚濤.哈爾濱工業(yè)大學(xué) 2018
[3]基于圖卷積神經(jīng)網(wǎng)絡(luò)的旅行時(shí)間預(yù)測(cè)方法研究[D]. 虎玉鑫.北京交通大學(xué) 2018
[4]基于出租車時(shí)空軌跡深度學(xué)習(xí)的城市道路行程時(shí)間預(yù)測(cè)方法[D]. 喻鋼.西南交通大學(xué) 2018
[5]基于收費(fèi)數(shù)據(jù)的高速公路行程時(shí)間預(yù)測(cè)及行程時(shí)間可靠性研究[D]. 邵孫健.吉林大學(xué) 2018
[6]數(shù)據(jù)驅(qū)動(dòng)的高速公路交通流量及行程時(shí)間短時(shí)預(yù)測(cè)方法研究[D]. 周楠楠.華南理工大學(xué) 2018
[7]基于信息融合的城市道路行程時(shí)間預(yù)測(cè)研究[D]. 張高峰.西南交通大學(xué) 2016
[8]基于城市路網(wǎng)的行程時(shí)間估計(jì)及預(yù)測(cè)方法研究[D]. 吳俏.浙江大學(xué) 2015
[9]基于數(shù)據(jù)驅(qū)動(dòng)的路段旅行時(shí)間估計(jì)與預(yù)測(cè)研究[D]. 黃龍超.北京交通大學(xué) 2015
[10]基于車載GPS數(shù)據(jù)的交通流路段平均行程時(shí)間估計(jì)與預(yù)測(cè)方法研究[D]. 伊峰.吉林大學(xué) 2012



本文編號(hào)：3183590