隨著城市人口不斷增加,機(jī)動(dòng)車(chē)數(shù)量增長(zhǎng)過(guò)快,道路建設(shè)在結(jié)構(gòu)功能各方面上無(wú)法滿(mǎn)足交通需求等一系列原因,造成交通擁堵問(wèn)題在我國(guó)愈演愈烈,所以緩解城市交通擁堵也成為了我國(guó)亟待解決的問(wèn)題。實(shí)時(shí)而準(zhǔn)確的預(yù)測(cè)交通流是發(fā)展智能交通管理系統(tǒng)的必要條件,它能夠?yàn)榻煌ㄏ到y(tǒng)提供實(shí)時(shí)有效的信息,使系統(tǒng)可以實(shí)現(xiàn)路徑誘導(dǎo),緩解道路擁堵,減少機(jī)動(dòng)車(chē)對(duì)有害氣體的排放等。因此,對(duì)短時(shí)交通流預(yù)測(cè)技術(shù)的研究具有深遠(yuǎn)的理論與現(xiàn)實(shí)意義。一些淺層的交通流預(yù)測(cè)模型未能充分學(xué)習(xí)交通流數(shù)據(jù)的本質(zhì)特征,并由于交通運(yùn)輸系統(tǒng)的特征表現(xiàn)為數(shù)據(jù)量大,特征維度高,一些交通流預(yù)測(cè)模型的預(yù)測(cè)效果有待提高。為了實(shí)現(xiàn)實(shí)時(shí)、準(zhǔn)確的短時(shí)交通流預(yù)測(cè),并針對(duì)短時(shí)交通流數(shù)據(jù)所表現(xiàn)的的非線(xiàn)性時(shí)間與空間的相關(guān)性,在傳統(tǒng)的深度信念網(wǎng)絡(luò)基礎(chǔ)上,本文通過(guò)添加高斯噪聲,考慮不同節(jié)點(diǎn)的預(yù)測(cè)任務(wù)貢獻(xiàn),通過(guò)對(duì)新的CRBM堆疊,并在頂層連接回歸器,以FR-CG算法進(jìn)行全局微調(diào)構(gòu)成CDSHybrid組合模型來(lái)預(yù)測(cè)短時(shí)交通流。通過(guò)對(duì)北京2014年12月二環(huán)、三環(huán)路出租車(chē)浮動(dòng)交通流數(shù)據(jù)進(jìn)行篩選、異常數(shù)據(jù)修補(bǔ)、去噪聲等步驟,提取出平均速度、交通量?jī)蓚�(gè)重要的交通流參數(shù),利用本文設(shè)計(jì)的短時(shí)交通流預(yù)...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 研究及應(yīng)用現(xiàn)狀
        1.2.1 短時(shí)交通預(yù)測(cè)研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)研究現(xiàn)狀
    1.3 交通流預(yù)測(cè)方法綜述
    1.4 本文的研究?jī)?nèi)容
    1.5 本文的組織結(jié)構(gòu)
2 相關(guān)理論與技術(shù)介紹
    2.1 交通流預(yù)測(cè)相關(guān)概念
        2.1.1 交通流參數(shù)
        2.1.2 交通流的主要性質(zhì)
        2.1.3 影響交通流的因素
    2.2 深度信念網(wǎng)絡(luò)
        2.2.1 限制玻爾茲曼機(jī)模型
        2.2.2 深度信念網(wǎng)絡(luò)模型
    2.3 支持向量回歸
3 數(shù)據(jù)預(yù)處理
    3.1 數(shù)據(jù)來(lái)源
    3.2 數(shù)據(jù)篩選
    3.3 異常數(shù)據(jù)修補(bǔ)
    3.4 數(shù)據(jù)歸一化處理
    3.5 本章小結(jié)
4 模型設(shè)計(jì)
    4.1 短時(shí)交通流分析
        4.1.1 交通流
        4.1.2 交通流預(yù)測(cè)
    4.2 短時(shí)交通流預(yù)測(cè)流程
    4.3 交通流參數(shù)分布特性
        4.3.1 交通量時(shí)空分布特性
        4.3.2 平均速度時(shí)空分布特性
    4.4 基于CDSHybrid模型的交通流預(yù)測(cè)模型
        4.4.1 深度信念網(wǎng)絡(luò)模型
        4.4.2 連續(xù)型RBM
        4.4.3 基于FR-CG算法的全局微調(diào)
        4.4.4 算法設(shè)計(jì)
    4.5 交通擁堵識(shí)別模型
        4.5.1 交通擁堵評(píng)價(jià)指標(biāo)閾值
        4.5.2 信息熵加權(quán)
        4.5.3 交通擁堵識(shí)別
    4.6 本章小結(jié)
5 實(shí)驗(yàn)分析
    5.1 實(shí)驗(yàn)準(zhǔn)備
    5.2 模型評(píng)價(jià)
    5.3 基于CDSHybrid模型的短時(shí)交通量預(yù)測(cè)模型
        5.3.1 模型層數(shù)選擇
        5.3.2 隱藏層節(jié)點(diǎn)個(gè)數(shù)選擇
        5.3.3 短時(shí)交通量預(yù)測(cè)結(jié)果
        5.3.4 CDSHybrid模型與其他方法對(duì)比
        5.3.5 模型魯棒性驗(yàn)證
    5.4 基于CDSHybrid的短時(shí)平均速度預(yù)測(cè)模型
        5.4.1 短時(shí)平均速度預(yù)測(cè)結(jié)果
        5.4.2 CDSHybrid模型與其他方法對(duì)比
        5.4.3 模型魯棒性驗(yàn)證
    5.5 交通擁堵預(yù)測(cè)結(jié)果
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄A 交通擁堵綜合闕值結(jié)果圖
附錄B 交通量預(yù)測(cè)結(jié)果圖
附錄C 平均速度預(yù)測(cè)結(jié)果圖
附錄D 交通擁堵預(yù)測(cè)結(jié)果圖
致謝



本文編號(hào)：3968697