【摘要】：城市商業(yè)區(qū)的交通吸引強度高、停車需求量大,易發(fā)生停車難現(xiàn)象。停車誘導(dǎo)系統(tǒng)是智能交通系統(tǒng)(ITS)的重要組成部分,能夠通過各種方式為駕駛者提供停車信息,調(diào)節(jié)城市停車供需平衡,緩解停車難問題。因此,研究商業(yè)區(qū)停車誘導(dǎo)的關(guān)鍵技術(shù),提高停車誘導(dǎo)效果,對改善城市商業(yè)區(qū)停車環(huán)境、提高其經(jīng)濟活力具有重要的意義。論文通過對城市商業(yè)區(qū)的停車特性的分析,研究城市商業(yè)區(qū)停車誘導(dǎo)分區(qū)策略和小區(qū)劃分方法,提出基于LSTM預(yù)測技術(shù)的誘導(dǎo)信息發(fā)布策略,在對商業(yè)區(qū)停車泊位變化特性分析的基礎(chǔ)上,對基于LSTM神經(jīng)網(wǎng)絡(luò)的有效泊位短時預(yù)測技術(shù)和誘導(dǎo)信息發(fā)布技術(shù)進(jìn)行研究。研究商業(yè)區(qū)停車設(shè)施供應(yīng)規(guī)模和比例、停車設(shè)施使用特征;對商業(yè)區(qū)內(nèi)駕駛者的停車行為特性進(jìn)行調(diào)查,從停車目的和步行距離兩方面分析停車行為特性。以南京市六合區(qū)雄州商業(yè)中心區(qū)作為實例,從設(shè)施和行為兩方面進(jìn)行停車特性分析。歸納總結(jié)誘導(dǎo)分區(qū)的兩層分區(qū)體系,研究停車誘導(dǎo)小區(qū)的劃分方法。針對泊位信息實時發(fā)布策略存在的問題,提出基于預(yù)測技術(shù)的誘導(dǎo)信息發(fā)布策略,制訂策略實施的流程,分析實施這一策略需要的技術(shù)支持。在對停車設(shè)施泊位變化特性分析的基礎(chǔ)上,對停車泊位短時預(yù)測技術(shù)進(jìn)行研究,針對既有預(yù)測技術(shù)的局限性,提出基于LSTM神經(jīng)網(wǎng)絡(luò)的有效泊位短時預(yù)測技術(shù),并通過實例比較驗證預(yù)測技術(shù)的準(zhǔn)確性。總結(jié)現(xiàn)有的泊位信息發(fā)布方式,選擇誘導(dǎo)信息板作為研究對象;研究泊位信息發(fā)布的顯示方法,針對空滿法存在的缺陷,研究如何將泊位短時技術(shù)應(yīng)用到空滿狀態(tài)判定方法中;分析泊位信息發(fā)布更新頻率的影響因素,提出了基于短時預(yù)測技術(shù)的泊位信息發(fā)布可變更新法。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U491.7
【圖文】：

圖 4-2 每日變化趨勢相似度聚類譜系從圖 4-2 中可以看出，周一、周二、周三、周四聚集為一類，周五、周六和周日聚集為另一類，說明周一至周四這四個工作日的停車泊位變化趨勢相似度高，周六、周日兩個休息日和周五的變化趨勢相類似，而兩組之間的變化趨勢的差異性較大。這是由人們的出行規(guī)律導(dǎo)致的，工作日內(nèi)出行以工作出行為主，休閑娛樂為輔，而休息日內(nèi)出行中休閑娛樂占較大比例，但是也存在一定的隨機性（周五）。同時，從表 4-1 分析可以看出，相鄰兩日停車泊位的變化趨勢相對較高。2. 波動性宏觀上停車泊位變化趨勢具有相似性，下面將從微觀的角度分析不同觀測尺度（時間間隔）下泊位變化的特性。這里采用波動率的概念來刻畫泊位變化的波動特性，設(shè)停車泊位時間序列為S( )，其中n 1,2, ,T為相應(yīng)的時間點，則在 t 時間點的波動率如下：1( 1, 2,..., 1)t ttts st Ts （4-2）以文星廣場 2017 年 11 月 09 日（周四）一天的停車泊位序列為例，分別取時間間隔1min、2min、5min 和 10min，利用公式計算結(jié)果如圖 4-3 所示：

圖 4-4 文星廣場 11 月 06 日泊位時間序列小波分解序列圖中， 3分解后的低頻時間序列，反映了泊位變化的本質(zhì)趨勢， 1、 2和 3為分解后的高頻時間序列，反映了不確定因素對泊位變化趨勢的干擾。4.3.3 有效停車泊位時間序列的消噪處理經(jīng)過小波分解后得到 1 個低頻時間序列和 3 個高頻時間序列，時間序列的噪聲蘊含在高頻系數(shù)中，通過閾值去噪的方法來對高頻時間序列進(jìn)行處理。在開始對時間序列信號去噪之前，需要選擇合適的閾值函數(shù)。常用的閾值選取規(guī)則有如下幾種[62]：（1）rigrsure采用基于 Stein 的無偏似然估計原理，閾值為給定的閾值的似然估計的最小化值。（2）sqtwolog采用固定公式sqrt(2× log( ( )))計算得到閾值，式中 X 為信號。（3）minimaxi采用極大極小原理選擇閾值，產(chǎn)生的極值為一個最小均方誤差。這里采取 sgtwolog 固定閾值的選取規(guī)則，對 3 組高頻時間序列進(jìn)行處理，如下圖所示：

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預(yù)測法[J];金融經(jīng)濟;2017年18期

2 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學(xué)術(shù)動態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

8 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

9 蘇秀婷;;耦合神經(jīng)網(wǎng)絡(luò)的同步[J];紹興文理學(xué)院學(xué)報(自然科學(xué));2016年03期

10 朱n

本文編號：2739815