發(fā)布時間：2021-07-10 21:50

　　隨著汽車保有量的迅速增加,出行需求的持續(xù)增長,道路的供需矛盾日益尖銳,這不僅給交通管理者帶來了巨大的壓力,而且給出行者造成了極大的不便。實時、準確的路網行程時間數據能夠為交通管理者配置交通資源以及出行者制定出行計劃提供必要的信息支持。因此,路網行程時間估計對交通管理者和出行者來說具有重要的現實意義。近年來,隨著智慧城市建設的迅速開展,GPS等定位設備廣泛普及,各類移動應用層出不窮,為行程時間信息的獲取提供了豐富的數據。與此同時,以深度學習為代表的數據處理技術也取得了長足的進步。在此背景下,以汽車的GPS軌跡數據為數據源,本文旨在利用深度學習技術對城市路網的行程時間估計展開深入研究。GPS軌跡數據在提供廣闊區(qū)域的交通信息的同時,也對如何高效利用這一數據規(guī)模巨大且稀疏的數據源提出了極大的挑戰(zhàn)。另外,由于城市路網交通狀況的復雜性,在對行程時間進行建模的過程中不僅需要高性能的模型,而且要充分考慮路網層面的時空相關性。鑒于此,以GPS軌跡數據為數據源的行程時間估計應該解決以下問題:海量數據的處理;數據稀疏導致的數據缺失;高性能模型的構建;時空相關性分析;解決方案的實施�；谝陨蠁栴},本文以GPS... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：117 頁

【學位級別】：博士

【部分圖文】：

論文研究的內容框架

行程時間數據提取及缺失數據補全方法框架圖

路網的組成要素為了便于相關章節(jié)內容的闡述，本文對交通路網的有關要素進行了定義

【參考文獻】：
期刊論文
[1]人工智能研究的新前線:生成式對抗網絡[J]. 林懿倫,戴星原,李力,王曉,王飛躍.  自動化學報. 2018(05)
[2]Missing Data Imputation for Traffic Flow Based on Improved Local Least Squares[J]. Gang Chang, Yi Zhang**, Danya Yao Tsinghua National Laboratory for Information Science and Technology, Department of Automation, Tsinghua University, Beijing 100084, China.  Tsinghua Science and Technology. 2012(03)
[3]3S技術與智能交通[J]. 李德仁,李清泉,楊必勝,余建偉.  武漢大學學報(信息科學版). 2008(04)
[4]ABC:基于體系結構、面向構件的軟件開發(fā)方法[J]. 梅宏,陳鋒,馮耀東,楊杰.  軟件學報. 2003(04)
[5]面向構件的軟件開發(fā)方法學研究[J]. 萬麟瑞,胡宏,孫紅星.  小型微型計算機系統(tǒng). 2003(03)
[6]智能交通系統(tǒng)及其信息化模型[J]. 楊東凱,吳今培,張其善.  北京航空航天大學學報. 2000(03)

博士論文
[1]基于機器學習的交通狀態(tài)判別與預測方法研究[D]. 商強.吉林大學 2017
[2]基于海量出租車軌跡數據的旅行時間預測[D]. 許濤.華東師范大學 2017
[3]基于自動車牌識別數據的城市道路行程時間估計[D]. 付鳳杰.浙江大學 2017



本文編號：3276728