【摘要】：隨著城市經(jīng)濟(jì)和交通行業(yè)的發(fā)展,人們對于機(jī)動(dòng)車的需求急劇上升。然而隨之產(chǎn)生的交通擁堵和空氣污染等問題也日趨嚴(yán)重。公共交通,特別是公共汽車交通,被認(rèn)為是減少私家車使用和燃料消耗,減輕交通擁堵的一種有效的方法。但是,在高峰期及節(jié)假日期間,公交車擁擠現(xiàn)象十分嚴(yán)重,減少了人們對于公交車出行的熱情。及時(shí)、準(zhǔn)確的客流量信息對交通疏導(dǎo)分流,減少出行時(shí)間及緩解擁堵現(xiàn)象都具有重要意義。而目前客流量預(yù)測方法大多基于淺層模型,本質(zhì)是孤立地通過統(tǒng)計(jì)方法得到特征表達(dá),無法對特征關(guān)系進(jìn)行深度挖掘,往往難以實(shí)現(xiàn)準(zhǔn)確地預(yù)測。深度神經(jīng)網(wǎng)絡(luò),因其強(qiáng)大的特征學(xué)習(xí)能力,被廣泛的應(yīng)用在圖像處理、語音識(shí)別等領(lǐng)域,卻很少應(yīng)用在客流量預(yù)測方面。所以本文針對目前現(xiàn)有的客流量預(yù)測方法預(yù)測精度不足等缺點(diǎn),提出基于深度神經(jīng)網(wǎng)絡(luò)的客流量預(yù)測方法。本文在對實(shí)時(shí)采集的客流數(shù)據(jù)分析的基礎(chǔ)上,利用客流量自身的規(guī)律性對客流量的特征進(jìn)行挖掘與提取,建立特征模型,實(shí)現(xiàn)對短時(shí)客流量的預(yù)測。本文的主要研究工作如下:第一,結(jié)合了客流量的參數(shù)及特性并對其進(jìn)行優(yōu)化,清洗錯(cuò)誤數(shù)據(jù),提高預(yù)測模型的精確度。第二,本文將原有的深度學(xué)習(xí)模型進(jìn)行改進(jìn),并提出新的基于深層網(wǎng)絡(luò)的預(yù)測模型。相較于其他淺層模型,本文所提出的深層模型更注重?cái)?shù)據(jù)的本質(zhì)特征,并且模型的預(yù)測效果更優(yōu)。第三,本文第一次將變分自編碼模型應(yīng)用在時(shí)間序列的預(yù)測上,并且相較于傳統(tǒng)深層模型有更高的精度。使其具有更廣泛的應(yīng)用空間。
【圖文】：

區(qū)域是否有公交線路增加計(jì)劃，也影響著未來公是針對公交運(yùn)行時(shí)間、換乘信息等是否完善，完上對人們出行的意愿有著積極的影響。主要是基于這些影響因素，來對特征的進(jìn)行手，生成統(tǒng)計(jì)模型，從而實(shí)現(xiàn)客流量的預(yù)測。目前多是采用數(shù)據(jù)挖掘算法的預(yù)測方法。它能夠自動(dòng)動(dòng)的方法對這些數(shù)據(jù)進(jìn)行建模從而提取出有用

圖 2.3 神經(jīng)元模型將該神經(jīng)元的輸入設(shè)為 = ( , … ) ，每個(gè)輸入所連接的權(quán)重為w ,w …w ，神經(jīng)元的輸出為 y。其輸出是輸入通過權(quán)重作為系數(shù)加權(quán)求和，并通過偏置進(jìn)行控制，最后經(jīng)過激活函數(shù)所得到的，其公式可表示為：= + b (2.1)式（2.1）中，b 為偏置，， 為激活函數(shù)，通常激活函數(shù)有如下三種類型：(1)sigmoid 函數(shù)，其作用是將數(shù)據(jù)輸出到[0,1]的范圍之間，函數(shù)表達(dá)式為：( ) = g(θ ) =11 +(2.2)(2)線性函數(shù)，作用是對輸入進(jìn)行線性放大，函數(shù)表達(dá)式為：( ) = a + b (2.3)(3)階躍函數(shù)，作用是將數(shù)據(jù)輸出到 0 或 1，函數(shù)表達(dá)式為：( ) =01≥ 00(2.4)
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP183;U491.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 余凱;賈磊;陳雨強(qiáng);徐偉;;深度學(xué)習(xí)的昨天、今天和明天[J];計(jì)算機(jī)研究與發(fā)展;2013年09期

本文編號(hào)：2639997