近年來,我國汽車保有量迅速增長,而道路運載能力有限,導(dǎo)致道路供需矛盾日益突出。車流量是反映道路運行狀態(tài)的主要參數(shù)之一,如果能夠及時準確地掌握和預(yù)測道路上的車流狀況,就可以有效地對車輛進行提前疏導(dǎo),從而提升路網(wǎng)運行能力及運行效率,對交通管理者、運營者和參與者都具有十分重大的意義。流量數(shù)據(jù)具有高度的非線性和復(fù)雜性,對其進行精準預(yù)測具有很大的挑戰(zhàn),現(xiàn)有的預(yù)測方法大多不能很好地直接利用交通路網(wǎng)結(jié)構(gòu)來捕獲數(shù)據(jù)的動態(tài)時空相關(guān)性。本文針對這一問題,研究提出利用圖卷積神經(jīng)網(wǎng)絡(luò)和時空注意力機制來進行交通流量的預(yù)測,主要研究內(nèi)容及成果如下:首先,流量數(shù)據(jù)在時間維度存在多種固有模式,本文將輸入數(shù)據(jù)劃分為多個組件,分別用于捕獲數(shù)據(jù)的近期、日周期、周周期模式,這種多組件劃分方法可以充分提取數(shù)據(jù)的時間維信息,同時減少處理不相關(guān)歷史信息帶來的開銷。同時,考慮到交通路網(wǎng)是一種圖結(jié)構(gòu)數(shù)據(jù),引入圖卷積對流量數(shù)據(jù)的空間特征進行挖掘,并設(shè)計時空卷積模塊,提出一種多組件時空圖卷積網(wǎng)絡(luò)(MCSTGCN)模型,能夠同時有效地提取數(shù)據(jù)在時間維度和空間維度的特征。隨后,設(shè)計了一種更巧妙的時空模塊,由時空注意力機制和時空圖卷積網(wǎng)絡(luò)組成,...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
2 相關(guān)理論基礎(chǔ)
    2.1 時空數(shù)據(jù)概念與相關(guān)理論
        2.1.1 時空數(shù)據(jù)的理解
        2.1.2 時空數(shù)據(jù)挖掘
    2.2 圖論
        2.2.1 圖論概念
        2.2.2 圖的矩陣表示
    2.3 深度神經(jīng)網(wǎng)絡(luò)相關(guān)概念
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 圖卷積神經(jīng)網(wǎng)絡(luò)
        2.3.3 深度殘差網(wǎng)絡(luò)
    2.4 注意力機制理論
        2.4.1 注意力機制的理解
        2.4.2 自注意力機制
    2.5 本章小結(jié)
3 問題定義
    3.1 相關(guān)定義
    3.2 流量預(yù)測問題
    3.3 本章小結(jié)
4 多組件時空圖卷積網(wǎng)絡(luò)
    4.1 總體思路與模型框架
    4.2 多組件劃分
    4.3 時空圖卷積網(wǎng)絡(luò)
        4.3.1 空間維圖卷積
        4.3.2 時間維卷積
    4.4 多組件融合
    4.5 實驗設(shè)置與結(jié)果分析
        4.5.1 數(shù)據(jù)集介紹
        4.5.2 數(shù)據(jù)預(yù)處理
        4.5.3 實驗環(huán)境及參數(shù)設(shè)置
        4.5.4 基準方法
        4.5.5 實驗結(jié)果及分析
    4.6 本章小結(jié)
5 基于注意力機制的時空圖卷積網(wǎng)絡(luò)
    5.1 總體思路與模型框架
    5.2 時空注意力機制
        5.2.1 空間注意力機制
        5.2.2 時間注意力機制
    5.3 基于注意力機制的時空圖卷積網(wǎng)絡(luò)
    5.4 實驗設(shè)置與結(jié)果分析
        5.4.1 數(shù)據(jù)集介紹
        5.4.2 基準方法
        5.4.3 實驗結(jié)果及分析
        5.4.4 時間性能比較
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
參考文獻
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號：3823073