公共交通乘客作為現(xiàn)代城市居民出行的重要群體,提前掌握公交乘客出行情況,不僅可以使決策者在交通運輸規(guī)劃時根據(jù)乘客出行需求的變化及時做出動態(tài)調(diào)整,而且能夠為車輛廣告定向投放、傳染病防治、城市規(guī)劃等方案提供決策依據(jù)。本文的研究對象為城市公交刷卡乘客出行時空行為,研究目的為根據(jù)公交乘客歷史出行規(guī)律結(jié)合公交出行特征,應(yīng)用深度學(xué)習(xí)預(yù)測公交乘客未來出行時空行為,提出一套完整的公交乘客出行時空行為預(yù)測方法。本文將公交乘客出行時空行為通過公交出行鏈來表達,詳細(xì)介紹了公交乘客未來出行鏈的預(yù)測思路,將公交出行鏈預(yù)測研究拆分成六個子問題依次為:乘客是否會出行、出行次數(shù)、上車站點、上車時間、下車站點和下車時間,根據(jù)深度學(xué)習(xí)模型原理,將各個子問題的分析過程進行參數(shù)化,按照子問題篩選對應(yīng)的輸入特征集合,采用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)構(gòu)建公交乘客未來出行時空行為預(yù)測模型。本文使用Python編程語言以及Pytorch深度學(xué)習(xí)開源框架作為開發(fā)環(huán)境,應(yīng)用中國渭南市連續(xù)2周的智能公交(Advanced Public Transportation Systems,APTS)數(shù)據(jù)...

【文章頁數(shù)】：103 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景
        1.1.1 公交優(yōu)先戰(zhàn)略發(fā)展需要
        1.1.2 公交出行預(yù)測存在不足
        1.1.3 深度學(xué)習(xí)具有發(fā)展前景
    1.2 研究目的及意義
    1.3 研究方法
    1.4 研究內(nèi)容
    1.5 研究技術(shù)路線
    1.6 本章小結(jié)
2 文獻綜述與研究框架
    2.1 國內(nèi)外研究現(xiàn)狀
        2.1.1 公交智能卡數(shù)據(jù)處理與分析
        2.1.2 公交乘客出行行為特征研究
        2.1.3 人類出行軌跡數(shù)據(jù)預(yù)測研究
        2.1.4 深度學(xué)習(xí)在交通領(lǐng)域的應(yīng)用
        2.1.5 國內(nèi)外公交研究現(xiàn)狀總結(jié)
    2.2 深度學(xué)習(xí)理論概述
        2.2.1 深度學(xué)習(xí)發(fā)展歷程
        2.2.2 深度學(xué)習(xí)基礎(chǔ)理論
    2.3 開發(fā)環(huán)境搭建
        2.3.1 模型框架選擇
        2.3.2 開發(fā)環(huán)境配置
        2.3.3 硬件擴展支持
    2.4 出行預(yù)測研究框架
    2.5 本章小結(jié)
3 研究數(shù)據(jù)集成與預(yù)處理
    3.1 基礎(chǔ)數(shù)據(jù)介紹
        3.1.1 公交IC卡數(shù)據(jù)
        3.1.2 線路車輛編號表
        3.1.3 車載GPS數(shù)據(jù)
        3.1.4 線路站點數(shù)據(jù)
    3.2 輔助數(shù)據(jù)介紹
        3.2.1 用地性質(zhì)數(shù)據(jù)
        3.2.2 歷史天氣數(shù)據(jù)
    3.3 數(shù)據(jù)預(yù)處理
        3.3.1 字段處理
        3.3.2 數(shù)據(jù)關(guān)聯(lián)
    3.4 數(shù)據(jù)集成
        3.4.1 上車站點判斷
        3.4.2 換乘站點判斷
        3.4.3 下車站點判斷
        3.4.4 上下行方向判斷
    3.5 數(shù)據(jù)規(guī)范化
        3.5.1 異常值處理
        3.5.2 文本標(biāo)簽化
        3.5.3 數(shù)據(jù)歸一化
        3.5.4 結(jié)構(gòu)正則化
    3.6 本章小結(jié)
4 預(yù)測模型特征值選取
    4.1 乘客出行行為特征
        4.1.1 乘客出行行為介紹
        4.1.2 出行行為影響因素
    4.2 預(yù)測模型特征值選取
        4.2.1 特征值選取方法
        4.2.2 特征值確定過程
        4.2.3 特征值結(jié)果匯總
    4.3 本章小結(jié)
5 預(yù)測模型實驗與構(gòu)建
    5.1 預(yù)測模型內(nèi)部原理
    5.2 出行預(yù)測模型構(gòu)建
        5.2.1 調(diào)整模型網(wǎng)絡(luò)層結(jié)構(gòu)
        5.2.2 調(diào)整輸入輸出節(jié)點數(shù)
        5.2.3 調(diào)整模型訓(xùn)練回合數(shù)
        5.2.4 調(diào)整樣本批輸入數(shù)量
        5.2.5 調(diào)整模型學(xué)習(xí)率
        5.2.6 調(diào)整模型優(yōu)化函數(shù)
        5.2.7 調(diào)整模型損失函數(shù)
    5.3 出行預(yù)測模型框架確定
    5.4 本章小結(jié)
6 預(yù)測結(jié)果統(tǒng)計與分析
    6.1 精度統(tǒng)計方法
    6.2 預(yù)測精度統(tǒng)計
        6.2.1 單日出行預(yù)測模型精度統(tǒng)計
        6.2.2 多日出行模型預(yù)測精度統(tǒng)計
    6.3 預(yù)測精度分析
        6.3.1 不同子問題預(yù)測精度對比
        6.3.2 不同子問題預(yù)測精度穩(wěn)定性分析
        6.3.3 不同特征變量對預(yù)測精度影響分析
    6.4 預(yù)測模型應(yīng)用
    6.5 本章小結(jié)
7 結(jié)論與展望
    7.1 主要研究內(nèi)容及結(jié)論
    7.2 論文創(chuàng)新點
    7.3 研究展望
參考文獻
致謝
附錄
    附錄1 :作者已發(fā)表或錄用的學(xué)術(shù)論文
    附錄2 :攻讀碩士學(xué)位期間參與的科研項目



本文編號：3800208