近些年來,隨著城市建設(shè)的不斷完善,城市軌道交通也日益成熟,人們對于出行的質(zhì)量越來越高。但是,軌道交通在方面人們出行的同時(shí),也會帶來交通擁堵問題。通過對軌道交通路網(wǎng)中各個(gè)站點(diǎn)的歷史客流數(shù)據(jù)深度分析,挖掘軌道交通客流的特點(diǎn),預(yù)測短時(shí)的時(shí)間間隔內(nèi)站點(diǎn)的擁堵狀況,從而向人們提供人性化的出行向?qū)?提升地鐵部門的服務(wù)質(zhì)量。軌道交通擁堵預(yù)測成為當(dāng)下研究的熱點(diǎn)。軌道交通客流和普通客流有很大不同,軌道交通的各個(gè)站點(diǎn)緊密相連,組成龐大的軌道交通路網(wǎng)。整個(gè)路網(wǎng)中的出行者不斷的進(jìn)站和出站形成了客流。軌道交通客流不僅具有周期性、隨機(jī)性等諸多特性,也使得站點(diǎn)之間的客流存在時(shí)間和空間的聯(lián)系。本文在研究軌道交通客流特點(diǎn)的基礎(chǔ)上,兼顧路網(wǎng)中站點(diǎn)客流的時(shí)空聯(lián)系,對站點(diǎn)客流擁堵進(jìn)行預(yù)測,取得了良好的效果。本文利用CNN卷積神經(jīng)網(wǎng)絡(luò)算法對軌道交通的擁堵進(jìn)行預(yù)測。通過分析軌道交通客流的特點(diǎn)和改變CNN卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),來研究對于預(yù)測性能的影響,本文的主要研究工作如下:（1）為了保證數(shù)據(jù)的完整性,針對軌道交通客流的特點(diǎn),對客流數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,包括缺失數(shù)據(jù)的補(bǔ)充和客流擁堵級別的轉(zhuǎn)換。（2）構(gòu)建CNN卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練模型... 

【文章來源】：成都理工大學(xué)四川省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

8年6月6日星期三桂林站客流波形圖

17圖 3-2 18年 6月 9 日星期六桂林站客流波形圖(2) 突發(fā)狀況或者大事件的影響。當(dāng)城市的某個(gè)區(qū)域發(fā)生了突發(fā)事件，或響比較大的事件，比如國家隊(duì)的足球比賽、網(wǎng)球公開賽等等。這些類似的極有可能會使得附近的站點(diǎn)在短短的幾個(gè)小時(shí)內(nèi)造成該站點(diǎn)的擁堵情況，，可能會間接地影響其他站點(diǎn)。(3) 算法本身的影響，每種算法都不可能做到非常完美，算法模型的設(shè)計(jì)或少的會影響預(yù)測的準(zhǔn)確性。本文將從卷積核的大小入手，分析卷積核的，卷積層的層數(shù)對于算法預(yù)測性能的影響。本文的第四章實(shí)驗(yàn)部分也具體

41圖 4-1 上海軌道交通路網(wǎng)部分站點(diǎn)分布情況將原始的數(shù)據(jù)集經(jīng)過數(shù)據(jù)預(yù)處理之后，整理成如表格 4-3的數(shù)據(jù)結(jié)構(gòu)：表 4-3 客流信息轉(zhuǎn)換為擁堵狀況示意圖站點(diǎn)代碼 5 分鐘內(nèi)客流量 客流擁堵級別0926 6 10241 10 10845 2 1另外，為了研究不同的時(shí)間間隔對于預(yù)測性能的影響，按照 5+5*x 來重整理數(shù)據(jù)集，其中，x=1，2。當(dāng) x=1，即時(shí)間間隔是 10 分鐘時(shí)，數(shù)據(jù)集270389634 條記錄。當(dāng) x=2，即時(shí)間間隔是 15 分鐘時(shí)，數(shù)據(jù)集為 146205928 記錄。

【參考文獻(xiàn)】：
期刊論文
[1]淺析大數(shù)據(jù)時(shí)代計(jì)算機(jī)數(shù)據(jù)的存儲與傳輸技術(shù)[J]. 吳旋.  中國新通信. 2018(24)
[2]BP神經(jīng)網(wǎng)絡(luò)原理研究與實(shí)現(xiàn)[J]. 韓普,周漢辰,周北望.  廣播電視信息. 2018(10)
[3]以“互聯(lián)網(wǎng)+”信息化建設(shè)助推城市軌道交通智能化思考[J]. 汪芯羽,李宇.  中國新技術(shù)新產(chǎn)品. 2018(11)
[4]城市道路交通擁堵的模糊神經(jīng)網(wǎng)絡(luò)評析[J]. 諸云,王建宇,楊瑩,劉博航.  北京理工大學(xué)學(xué)報(bào). 2018(05)
[5]基于稀疏自動編碼器的深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)[J]. 張光建.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(35)
[6]城市軌道交通客流預(yù)測分析[J]. 郭娟,劉雪鋒,譚萬波.  建材與裝飾. 2017(46)
[7]城市軌道交通供電系統(tǒng)智能化探索與應(yīng)用[J]. 霍鋰.  居業(yè). 2017(10)
[8]大數(shù)據(jù)時(shí)代城市智能交通系統(tǒng)發(fā)展方向[J]. 溫慧敏,全宇翔,孫建平.  城市交通. 2017(05)
[9]基于非參數(shù)回歸的城軌實(shí)時(shí)進(jìn)出站客流預(yù)測[J]. 謝俏,李斌斌,何建濤,姚恩建.  都市快軌交通. 2017(02)
[10]基于多元時(shí)間序列的交通流預(yù)測模型[J]. 丁永兵,胡堯,沈齊,王亞運(yùn).  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)

博士論文
[1]基于支持向量機(jī)的交通流預(yù)測方法研究[D]. 王凡.大連理工大學(xué) 2010

碩士論文
[1]城市軌道交通車站客流承載力研究[D]. 余杰.北京交通大學(xué) 2018
[2]基于時(shí)間序列分析的首都機(jī)場離港交通流可預(yù)測性研究[D]. 劉偉.中國民航大學(xué) 2018
[3]城市軌道交通網(wǎng)絡(luò)重要區(qū)間識別及客流時(shí)空演化特性研究[D]. 王涵晴.北京交通大學(xué) 2018
[4]基于時(shí)空網(wǎng)絡(luò)的城市軌道交通客流分配研究[D]. 劉衛(wèi)松.西南交通大學(xué) 2018
[5]基于深度學(xué)習(xí)的地鐵短時(shí)客流量預(yù)測研究[D]. 李捷.西南交通大學(xué) 2018
[6]城市軌道交通節(jié)假日客流傳播及控制研究[D]. 劉若鴻.北京建筑大學(xué) 2017
[7]城市軌道交通短時(shí)客流不確定性機(jī)理研究[D]. 付保明.東南大學(xué) 2017
[8]基于客流短時(shí)預(yù)測的城市軌道交通運(yùn)營組織[D]. 張亞運(yùn).長安大學(xué) 2016
[9]城市軌道交通短期客流預(yù)測方法及應(yīng)用研究[D]. 潘潔.重慶交通大學(xué) 2015
[10]基于貝葉斯網(wǎng)絡(luò)的城市道路擁擠概率預(yù)測研究[D]. 劉異.北京交通大學(xué) 2015



本文編號：3056866