【摘要】：隨著經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程不斷深入,城市交通相關(guān)問(wèn)題越來(lái)越引得大家關(guān)注。城市居民日常出行作為城市交通的重要組成部分,其對(duì)城市交通狀況產(chǎn)生重要影響。利用大數(shù)據(jù)等相關(guān)技術(shù)對(duì)城市居民日常出行行為進(jìn)行分析,可以讓城市居民的日常出行規(guī)律以數(shù)據(jù)形式展現(xiàn)。城市居民日常出行行為分析的結(jié)果,即可以為相關(guān)部門進(jìn)行城市規(guī)劃時(shí)提供科學(xué)的依據(jù),也可以為交管部門發(fā)布相關(guān)交通誘導(dǎo)信息提供相應(yīng)的參考。國(guó)內(nèi)外很多專家學(xué)者進(jìn)行過(guò)許多城市居民出行行為相關(guān)的研究,前人大多是使用各種聚類算法,并基于城市交通歷史數(shù)據(jù)挖掘城市居民日常出行規(guī)律。但由于城市居民的日常出行習(xí)慣受各種客觀因素影響會(huì)發(fā)生改變,這也導(dǎo)致城市交通狀況會(huì)動(dòng)態(tài)變化,且城市交通相關(guān)數(shù)據(jù)一直動(dòng)態(tài)增加,總結(jié)而言城市交通具有時(shí)變性。同時(shí)城市交通由于實(shí)際道路的特點(diǎn),其各個(gè)路段相互連接,所以城市交通不同路段之間存在傳遞性,相互之間有很強(qiáng)的時(shí)空關(guān)聯(lián)性。而使用各種聚類等常規(guī)處理方式在挖掘城市交通潛在規(guī)律時(shí)則會(huì)在應(yīng)對(duì)城市交通實(shí)時(shí)性、傳遞性和數(shù)據(jù)動(dòng)態(tài)增加等方面存在缺陷。本文針對(duì)這些問(wèn)題建立了一個(gè)實(shí)時(shí)分層網(wǎng)絡(luò)預(yù)測(cè)模型,模型可以應(yīng)對(duì)城市交通的時(shí)段性、周期性、時(shí)變性、傳遞性、數(shù)據(jù)動(dòng)態(tài)增加和其較多維度等特點(diǎn)。模型對(duì)數(shù)據(jù)進(jìn)行時(shí)段分區(qū),以應(yīng)對(duì)城市交通時(shí)段性和交通數(shù)據(jù)是多維度的特點(diǎn),采用分類自學(xué)習(xí)的方法對(duì)地點(diǎn)進(jìn)行識(shí)別,更好的適應(yīng)交通動(dòng)態(tài)變化的特點(diǎn),建立了一個(gè)夾側(cè)生成網(wǎng)絡(luò)挖掘相鄰時(shí)段不同路段之間的時(shí)空關(guān)聯(lián)性,采用迭代運(yùn)算實(shí)時(shí)更新預(yù)測(cè)結(jié)果。模型最后使用車載GPS數(shù)據(jù)作為驗(yàn)證,經(jīng)驗(yàn)證該模型可以預(yù)測(cè)出更加精細(xì)且準(zhǔn)確的結(jié)果。
【圖文】：

第四章 自學(xué)習(xí)分為匹配階段、比較階段、搜素階段和學(xué)習(xí)階段。其比較如圖 4.4 右所示，數(shù)據(jù)先進(jìn)入比較層在進(jìn)入匹配層，且二 左所示，比較層 C 有 n 個(gè)神經(jīng)元，每個(gè)接收來(lái)自 3 個(gè)方面，R 層獲勝神經(jīng)元的外接權(quán)向量的返回信號(hào)和控制信號(hào) G1根據(jù) 2/3 的多數(shù)表決原則產(chǎn)生，輸出值與三個(gè)信號(hào)中的多.4 右所示，識(shí)別層 R 功能相當(dāng)于前饋競(jìng)爭(zhēng)網(wǎng)，R 層有 m 個(gè)模式類，m 可以動(dòng)態(tài)增長(zhǎng)，以設(shè)立新的模式類。 ART 網(wǎng)絡(luò)的主要思路是當(dāng)其接收到新的輸入模式后，其通新輸入模式和所有其舊輸入模式之間的相似程度，然后其定的門限指標(biāo)，，當(dāng)新輸入模式和其存儲(chǔ)的舊輸入模式相似其中相似度最大的模式類為新輸入的模式類，如果都未超為該新輸入新建一個(gè)模式類。

上所述 ART 網(wǎng)絡(luò)的主要思路是當(dāng)其接收到新的輸入模式后，其通過(guò)相應(yīng)式計(jì)算新輸入模式和所有其舊輸入模式之間的相似程度，然后其有一個(gè)情況設(shè)定的門限指標(biāo)，當(dāng)新輸入模式和其存儲(chǔ)的舊輸入模式相似度均超，則選其中相似度最大的模式類為新輸入的模式類，如果都未超過(guò)該門網(wǎng)絡(luò)中為該新輸入新建一個(gè)模式類。圖 4.3 ART網(wǎng)絡(luò)結(jié)構(gòu)圖
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U491

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 陸化普;孫智源;屈聞聰;;大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應(yīng)用綜述[J];交通運(yùn)輸系統(tǒng)工程與信息;2015年05期

2 劉暢;李治軍;姜守旭;;基于DBSCAN算法的城市交通擁堵區(qū)域發(fā)現(xiàn)[J];智能計(jì)算機(jī)與應(yīng)用;2015年03期

3 李強(qiáng);白建榮;李振林;張黎明;;基于Python的數(shù)據(jù)批處理技術(shù)探討及實(shí)現(xiàn)[J];地理空間信息;2015年02期

4 王宏記;張冰松;楊代才;;基于關(guān)聯(lián)規(guī)則的湖北短期氣候預(yù)測(cè)應(yīng)用初探[J];安徽農(nóng)業(yè)科學(xué);2015年08期

5 熊亞軍;廖曉農(nóng);李梓銘;張小玲;孫兆彬;趙秀娟;趙普生;馬小會(huì);蒲維維;;KNN數(shù)據(jù)挖掘算法在北京地區(qū)霾等級(jí)預(yù)報(bào)中的應(yīng)用[J];氣象;2015年01期

6 李藝杰;;淺談大數(shù)據(jù)時(shí)代數(shù)據(jù)信息現(xiàn)狀及發(fā)展[J];中國(guó)新技術(shù)新產(chǎn)品;2014年15期

7 桂智明;向宇;李玉鑒;;基于出租車軌跡的并行城市熱點(diǎn)區(qū)域發(fā)現(xiàn)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年S1期

8 童曉君;向南平;朱定局;;基于出租車GPS數(shù)據(jù)的城市居民出行行為分析[J];電腦與電信;2012年Z1期

相關(guān)博士學(xué)位論文 前1條

1 張治華;基于GPS軌跡的出行信息提取研究[D];華東師范大學(xué);2010年

相關(guān)碩士學(xué)位論文 前8條

1 戴海輝;基于Hadoop的校園卡數(shù)據(jù)挖掘的研究與實(shí)現(xiàn)[D];南昌航空大學(xué);2017年

2 楊余壘;改進(jìn)的關(guān)聯(lián)規(guī)則算法在慢性病數(shù)據(jù)挖掘中的研究[D];浙江理工大學(xué);2017年

3 白玉;基于GPS數(shù)據(jù)的出行方式識(shí)別方法研究[D];吉林大學(xué);2016年

4 劉春;出行者出行信息語(yǔ)義挖掘[D];山東理工大學(xué);2015年

5 李偉;供電公司大數(shù)據(jù)集中管控系統(tǒng)方案設(shè)計(jì)[D];華北電力大學(xué);2015年

6 潘洪志;高性能NOSQL存儲(chǔ)系統(tǒng)的研究與實(shí)現(xiàn)[D];吉林大學(xué);2014年

7 裴曉英;數(shù)據(jù)挖掘技術(shù)在刑事案件信息分析中的應(yīng)用[D];西安電子科技大學(xué);2011年

8 于春紅;基于數(shù)據(jù)挖掘技術(shù)的電腦零售業(yè)中的商業(yè)分析[D];華東師范大學(xué);2010年

本文編號(hào)：2686047