城市交通系統(tǒng)影響著城市發(fā)展的節(jié)奏,隨著城市經(jīng)濟(jì)的發(fā)展和人類生活習(xí)慣的不斷改變,人們的出行需求量逐年提高,城市客運(yùn)交通系統(tǒng)的壓力也持續(xù)增長(zhǎng)。出租車(chē)作為城市客運(yùn)交通的重要補(bǔ)充和組成,也承擔(dān)著更為繁重的運(yùn)輸任務(wù)。出租車(chē)合乘是一種提高出租車(chē)運(yùn)輸效率,緩解城市交通壓力的有效手段,也是在基本不改變現(xiàn)有的交通設(shè)施的基礎(chǔ)上,增加城市客運(yùn)交通系統(tǒng)運(yùn)力的可行方式。合乘也對(duì)減少交通污染和降低能源消耗有著重要意義。本文首先對(duì)上海市海量出租車(chē)的軌跡數(shù)據(jù)進(jìn)行了預(yù)處理,得到了出租車(chē)的OD數(shù)據(jù)。通過(guò)聚類算法對(duì)出租車(chē)的OD數(shù)據(jù)進(jìn)行空間聚類,劃分區(qū)域,統(tǒng)計(jì)需求;采用人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)需求數(shù)據(jù);建立考慮未來(lái)預(yù)測(cè)需求的出租車(chē)合乘模型和路徑選擇算法并驗(yàn)證模型和算法的有效性。主要研究?jī)?nèi)容如下:(1)對(duì)上海市海量的出租車(chē)軌跡數(shù)據(jù)進(jìn)行了數(shù)據(jù)清洗,將軌跡數(shù)據(jù)中的缺失、重復(fù)、信息錯(cuò)誤的數(shù)據(jù)進(jìn)行處理。再通過(guò)分析處理后的軌跡數(shù)據(jù),得到了出租車(chē)的OD量。之后通過(guò)K-means聚類算法對(duì)出租車(chē)的OD數(shù)據(jù)進(jìn)行空間聚類,再使用泰森多邊形生成算法對(duì)上海市進(jìn)行區(qū)域劃分,統(tǒng)計(jì)各個(gè)區(qū)域的OD數(shù)據(jù)。(2)將OD數(shù)據(jù)進(jìn)行時(shí)間序列的劃分,并且收集天氣、節(jié)假日等...

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
        1.2.3 國(guó)內(nèi)外研究綜述
    1.3 研究框架及內(nèi)容
2 軌跡與路網(wǎng)數(shù)據(jù)處理
    2.1 大數(shù)據(jù)技術(shù)的應(yīng)用
    2.2 研究數(shù)據(jù)
        2.2.1 出租車(chē)數(shù)據(jù)
        2.2.2 路網(wǎng)數(shù)據(jù)
    2.3 出租車(chē)軌跡數(shù)據(jù)處理
    2.4 路網(wǎng)數(shù)據(jù)處理
    2.5 OD數(shù)據(jù)挖掘
    2.6 本章小節(jié)
3 出租車(chē)OD預(yù)測(cè)
    3.1 出租車(chē)OD預(yù)測(cè)模型
        3.1.1 神經(jīng)網(wǎng)絡(luò)模型
        3.1.2 激活函數(shù)
        3.1.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
        3.1.4 長(zhǎng)短期記憶網(wǎng)絡(luò)
    3.2 特征集建立與選擇
        3.2.1 輸入值的處理
        3.2.2 需求預(yù)測(cè)模型
    3.3 模型訓(xùn)練及預(yù)測(cè)
        3.3.1 出租車(chē)需求預(yù)測(cè)模型
    3.4 本章小節(jié)
4 合乘路徑優(yōu)化
    4.1 問(wèn)題描述
    4.2 模型假設(shè)
    4.3 符號(hào)定義
    4.4 模型構(gòu)建
    4.5 算法設(shè)計(jì)
    4.6 本章小節(jié)
5 仿真實(shí)驗(yàn)與結(jié)果分析
    5.1 實(shí)驗(yàn)設(shè)計(jì)
        5.1.1 測(cè)試集提取
        5.1.2 仿真實(shí)驗(yàn)流程
        5.1.3 仿真參數(shù)設(shè)置
    5.2 結(jié)果分析
    5.3 本章小節(jié)
6 結(jié)論與展望
    6.1 研究成果
    6.2 主要?jiǎng)?chuàng)新點(diǎn)
    6.3 研究展望
致謝
參考文獻(xiàn)
附錄A 數(shù)據(jù)預(yù)處理部分代碼
附錄B 數(shù)據(jù)挖掘部分代碼
附錄C 機(jī)器學(xué)習(xí)部分代碼
附錄D 路徑求解部分代碼



本文編號(hào)：3834458