為了緩解城市交通擁堵現(xiàn)狀,充分利用城市道路基礎(chǔ)設(shè)施,智能交通系統(tǒng)被廣泛應(yīng)用于城市交通管理中,為道路交通安全提供了保障,提高了道路通行效率和城市交通的智能化水平。隨著城市動態(tài)交通信息采集技術(shù)的不斷發(fā)展,及時獲取城市路網(wǎng)中實時的道路交通數(shù)據(jù)已成為可能,大量的交通數(shù)據(jù)為分析城市道路交通狀態(tài)和預(yù)測模型研究提供了數(shù)據(jù)保障。交通流量預(yù)測在現(xiàn)代交通管理和控制中起著關(guān)鍵性作用,是實現(xiàn)城市交通誘導(dǎo)的前提,精準和實時的道路交通流量預(yù)測能夠更好的分析城市道路交通狀況,對城市交通路網(wǎng)規(guī)劃和道路交通優(yōu)化控制具有非常重要的作用。深度學(xué)習(xí)中的LSTM神經(jīng)網(wǎng)絡(luò)在時間序列數(shù)據(jù)處理方面的優(yōu)勢使其十分適用對短時交通流量進行預(yù)測,有鑒于此,本文在車輛監(jiān)測點瞬時監(jiān)測數(shù)據(jù)處理基礎(chǔ)上,構(gòu)建了LSTM網(wǎng)絡(luò)模型用于對通過某路段的交通流量進行預(yù)測,在實驗中對預(yù)測模型的關(guān)鍵參數(shù)進行調(diào)整對比,并分析了不同參數(shù)設(shè)置對于模型預(yù)測準確率的影響。本文充分利用了深度學(xué)習(xí)模型良好的特征學(xué)習(xí)能力,設(shè)計了一種基于深度學(xué)習(xí)的深度網(wǎng)絡(luò)混合模型用于短時交通流量預(yù)測,該混合模型由一層降噪自動編碼器和兩層受限玻爾茲曼機來構(gòu)造,最后使用SVR方法作為預(yù)測器。為驗證預(yù)測模型性能,分別在工作日和周末監(jiān)測點數(shù)據(jù)上進行相關(guān)實驗,并與其他預(yù)測模型進行對比實驗,得出本文預(yù)測模型預(yù)測效果良好并在預(yù)測準確度上均優(yōu)于其他預(yù)測模型。本文設(shè)計了基于交通數(shù)據(jù)的可視化展示系統(tǒng),對于瞬時監(jiān)測數(shù)據(jù),通過一周和一天內(nèi)小時交通流量的可視化視圖對監(jiān)測點和路段交通狀況進行描述,對于概要型監(jiān)測數(shù)據(jù),本文使用多屬性軸的布局方式來可視化展示交通流基本參數(shù)之間的關(guān)系,從而更加直觀和深刻的來認識交通數(shù)據(jù),有助于對其數(shù)據(jù)本質(zhì)的理解和潛在規(guī)律的挖掘。
【學(xué)位單位】：北方工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U491;TP181
【部分圖文】：

?圖２－１道路交通流預(yù)測在智能交通系統(tǒng)中的作用??圖２－２是道路交通狀態(tài)預(yù)測使用時間和距離表示的概念圖，由于道路上交通??流的復(fù)雜性，交通狀態(tài)具有很強的時變性，如何利用歷史若干交通流量數(shù)據(jù)去有??效地預(yù)測下？個時間段交通流參數(shù)值，使得預(yù)測的交通狀況與真實的道路交通流??狀態(tài)盡可能的相似。??距離Ｄ?廠（１）過去時段交逋狀態(tài)ｆ預(yù)測交通狀態(tài)??２?｜?｜?（２＞聲際交通狀態(tài)??ｔ?／?：?Ｉ?＼Ｍ?＼?：??１?［／?／＿?：?＾?時間?ｔ??１?２?ｉ?ｉ＋１?．．．．．．?ｌ??圖２－２交通運行狀態(tài)預(yù)測概念圖表示??道路交通流變化具有不確定性，短時交通流預(yù)測需要從交通流設(shè)備采集信??息，這些信息可以反映交通流的狀態(tài)，同時要考慮外界因素的干擾，對道路交通??數(shù)據(jù)進行分析，建立交通流預(yù)測模型來對未來道路交通運行狀況進行預(yù)測，交通??９

??圖２－１道路交通流預(yù)測在智能交通系統(tǒng)中的作用??圖２－２是道路交通狀態(tài)預(yù)測使用時間和距離表示的概念圖，由于道路上交通??流的復(fù)雜性，交通狀態(tài)具有很強的時變性，如何利用歷史若干交通流量數(shù)據(jù)去有??效地預(yù)測下？個時間段交通流參數(shù)值，使得預(yù)測的交通狀況與真實的道路交通流??狀態(tài)盡可能的相似。??距離Ｄ?廠（１）過去時段交逋狀態(tài)ｆ預(yù)測交通狀態(tài)??２?｜?｜?（２＞聲際交通狀態(tài)??ｔ?／?：?Ｉ?＼Ｍ?＼?：??１?［／?／＿?：?＾?時間?ｔ??１?２?ｉ?ｉ＋１?．．．．．．?ｌ??圖２－２交通運行狀態(tài)預(yù)測概念圖表示??道路交通流變化具有不確定性，短時交通流預(yù)測需要從交通流設(shè)備采集信??息，這些信息可以反映交通流的狀態(tài)，同時要考慮外界因素的干擾，對道路交通??數(shù)據(jù)進行分析，建立交通流預(yù)測

??流預(yù)測的基本流程如圖２－３所示。??圖２－３道路交通流狀態(tài)預(yù)測流程圖??短時交通流預(yù)測模型要滿足以下幾個基本特性：（１）準確性。建立的預(yù)測模??型要有較好的預(yù)測效果，這樣才能應(yīng)用于道路交通管理和控制中，如果預(yù)測精度??達不到要求，不僅不能有效地進行交通誘導(dǎo)，反而會加重道路交通擁堵，所以不??準確的交通流預(yù)測毫無意義。（２）實時性。為了確保模型預(yù)測精確度，需要使??用大量的歷史交通數(shù)據(jù)和實時數(shù)據(jù)訓(xùn)練預(yù)測模型，模型要滿足快速運算能力要??求，要能夠在規(guī)定的短時間內(nèi)完成一系列數(shù)值計算并求出計算結(jié)果，以確保能夠??及時地預(yù)測未來交通流信息。（３）可靠性。應(yīng)選擇帶有噪聲的歷史交通數(shù)據(jù)進??行模型建立，以提高系統(tǒng)的抗干擾能力和實時適應(yīng)能力，從而確保模型預(yù)測準確??度。??２．２．２短時交通流預(yù)測方法??近年來，短時交通流量預(yù)測研宄得到了國內(nèi)外專家和學(xué)者廣泛地關(guān)注，現(xiàn)己??提出了許多方法應(yīng)用于交通流預(yù)測。?＿??目前
【參考文獻】

相關(guān)期刊論文 前10條

1 曾敏;周益龍;;基于深度學(xué)習(xí)模型的行人檢測研究與仿真[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2015年06期

2 譚娟;王勝春;;基于深度學(xué)習(xí)的交通擁堵預(yù)測模型研究[J];計算機應(yīng)用研究;2015年10期

3 李巧茹;趙蓉;陳亮;;基于SVM與自適應(yīng)時空數(shù)據(jù)融合的短時交通流量預(yù)測模型[J];北京工業(yè)大學(xué)學(xué)報;2015年04期

4 熊偉晴;燕曉波;姜守旭;李治軍;;基于BP神經(jīng)網(wǎng)絡(luò)和模糊推理系統(tǒng)的短時交通流預(yù)測[J];智能計算機與應(yīng)用;2015年02期

5 錢偉;楊礦利;楊慧慧;徐青政;;基于組合模型的短時交通流預(yù)測[J];計算機仿真;2015年02期

6 唐毅;劉衛(wèi)寧;孫棣華;魏方強;余楚中;;改進時間序列模型在高速公路短時交通流量預(yù)測中的應(yīng)用[J];計算機應(yīng)用研究;2015年01期

7 王憲保;李潔;姚明海;何文秀;錢沄濤;;基于深度學(xué)習(xí)的太陽能電池片表面缺陷檢測方法[J];模式識別與人工智能;2014年06期

8 孫棣華;李超;廖孝勇;;高速公路短時交通流量預(yù)測的改進非參數(shù)回歸算法[J];公路交通科技;2013年11期

9 李穎宏;劉樂敏;王玉全;;基于組合預(yù)測模型的短時交通流預(yù)測[J];交通運輸系統(tǒng)工程與信息;2013年02期

10 郭敏;藍金輝;肖翔;盧海鋒;;基于混沌理論對北京二環(huán)路進行短時交通流量預(yù)測的研究[J];交通運輸系統(tǒng)工程與信息;2010年02期

相關(guān)碩士學(xué)位論文 前1條

1 金玉婷;基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法研究[D];西南交通大學(xué);2014年

本文編號：2874971