【摘要】：在交通管理以及公共安全領(lǐng)域,交通流量的預(yù)測(cè)成為越來(lái)越重要的一個(gè)研究方向。從微觀層面,地圖導(dǎo)航APP可以通過(guò)實(shí)時(shí)流量預(yù)測(cè)推送暢通的路線給用戶,節(jié)約用戶出行時(shí)間,提升用戶體驗(yàn)。從宏觀層面,根據(jù)歷史位置信息獲得的城市區(qū)域流量變化情況,由此預(yù)測(cè)未來(lái)時(shí)刻城市區(qū)域流量變化,這對(duì)于城市規(guī)劃、交通管理以及公共安全有著重要的意義。目前關(guān)于交通流量的預(yù)測(cè)普遍采用的數(shù)據(jù)是全球定位系統(tǒng)(GPS)定位數(shù)據(jù),這類數(shù)據(jù)定位精確但是覆蓋范圍以及獲取方式有限,一般通過(guò)志愿者攜帶定位設(shè)備、或浮動(dòng)車采集獲得。而與GPS數(shù)據(jù)相比,本文采用的手機(jī)信令數(shù)據(jù)是通過(guò)蜂窩通信基站定位系統(tǒng)采集,盡管該類數(shù)據(jù)定位誤差較大,精度較低,但其具有樣本量大,獲取成本低,實(shí)時(shí)性,覆蓋范圍廣等特點(diǎn)。因此基于手機(jī)信令數(shù)據(jù)的區(qū)域流量提取及預(yù)測(cè)技術(shù)有著重要研究?jī)r(jià)值以及應(yīng)用價(jià)值。論文首先對(duì)手機(jī)信令數(shù)據(jù)的產(chǎn)生原理進(jìn)行分析。并在此基礎(chǔ)上對(duì)手機(jī)信令數(shù)據(jù)定位方式產(chǎn)生的誤差數(shù)據(jù)(乒乓切換、漂移、重復(fù)值)進(jìn)行合理有效的預(yù)處理。為了刻畫區(qū)域流量,論文提出了一種基于網(wǎng)格密度的區(qū)域流量提取方法。該方法首先對(duì)城市區(qū)域進(jìn)行網(wǎng)格化處理,利用網(wǎng)格流量提取算法獲取各網(wǎng)格流量。之后根據(jù)各網(wǎng)格流量密度特征,對(duì)區(qū)域生長(zhǎng)算法進(jìn)行改進(jìn),獲得基于網(wǎng)格密度的區(qū)域生長(zhǎng)算法,最后利用該算法獲得區(qū)域流量作為后續(xù)流量預(yù)測(cè)模型輸入。其次,論文在分析手機(jī)信令數(shù)據(jù)的時(shí)序特征的基礎(chǔ)上,結(jié)合區(qū)域流量提取結(jié)果,綜合考慮神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)方面的優(yōu)勢(shì),論文提出了利用LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)建立區(qū)域流量預(yù)測(cè)模型。論文對(duì)LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn),除了輸入層、隱藏層、輸出層之外,通過(guò)增加一層網(wǎng)絡(luò)結(jié)構(gòu)用以輸入城市區(qū)域的空間特性,改善流量預(yù)測(cè)效果。最后,論文采用真實(shí)的手機(jī)信令數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,將本文所提出的預(yù)測(cè)模型與傳統(tǒng)的時(shí)間序列預(yù)測(cè)模型進(jìn)行對(duì)比。論文的實(shí)驗(yàn)分析結(jié)果表明,與傳統(tǒng)的流量預(yù)測(cè)模型相比,基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)域流量預(yù)測(cè)模型的預(yù)測(cè)精度有所提升。論文的相關(guān)分析工作對(duì)后續(xù)深入研究基于手機(jī)信令數(shù)據(jù)高效的區(qū)域流量預(yù)測(cè)技術(shù)具有一定的參考和借鑒價(jià)值。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U491.14

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 黃曉燕;錢芳;;基于位置服務(wù)LBS定位系統(tǒng)的分析[J];集成電路應(yīng)用;2017年11期

2 康雨豪;王sパ，

本文編號(hào)：2599982