在城市發(fā)展的過(guò)程中,城市人口以及車輛數(shù)量的不斷增多,加劇了交通擁堵的局面,同時(shí)進(jìn)一步加重了環(huán)境污染。為了解決這些問(wèn)題,政府大力建設(shè)公共交通系統(tǒng),推薦公交車作為人們首選的出行方式。然而在實(shí)際的生活中,實(shí)時(shí)交通情況、天氣情況、紅綠燈變化的時(shí)間以及公交車�？空军c(diǎn)的位置等因素都會(huì)影響到公交車的正常行駛。這些都會(huì)導(dǎo)致公交車到站的預(yù)測(cè)時(shí)間誤差較大,影響人們的正常出行。因此,實(shí)時(shí)公交到站預(yù)測(cè)的重要性愈加明顯,在國(guó)內(nèi)外都得到了較為廣泛的關(guān)注。現(xiàn)實(shí)條件中,公交車不是單一的個(gè)體,它的行駛會(huì)受到其他因素的約束,在諸多因素中,道路交通情況對(duì)公交車的影響尤為重要。考慮道路情況對(duì)公交車到站時(shí)間的影響,對(duì)完善公交到站時(shí)間預(yù)測(cè)模型有重要意義。首先,需要獲取公交車定位數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。為了保證數(shù)據(jù)的可靠性以及準(zhǔn)確性,使用公交車載GPS設(shè)備的定位數(shù)據(jù)。然后篩選錯(cuò)誤數(shù)據(jù),定義公交線路信息格式,構(gòu)建公交線路基本特征。其次,探究不同影響因素對(duì)公交車到站時(shí)間預(yù)測(cè)準(zhǔn)確度的影響。公交車在道路上沿規(guī)定的路線行駛時(shí),實(shí)時(shí)交通情況、道路擁擠程度、紅綠燈變化的時(shí)間以及公交車停靠站點(diǎn)的位置等因素都會(huì)影響到公交車的正常行駛。將這些因素劃歸... 

【文章來(lái)源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RNN網(wǎng)絡(luò)結(jié)構(gòu)

1 tttS fUIWS（RNN 雖然解決了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不能學(xué)習(xí)歷史信息的問(wèn)題，但是由于傳播[42]的過(guò)程中，通過(guò)隨機(jī)梯度下降算法（Stochastic Gradient Descent，]計(jì)算梯度的時(shí)候，會(huì)有梯度消失[45]的現(xiàn)象，這就導(dǎo)致當(dāng) RNN 循環(huán)層最初按時(shí)間展開的幾層參數(shù)無(wú)法更新，導(dǎo)致 RNN 并不能學(xué)習(xí)到當(dāng)前有時(shí)刻的信息，為了解決這個(gè)問(wèn)題，長(zhǎng)短時(shí)記憶循環(huán)網(wǎng)絡(luò)由此誕生。長(zhǎng)短期記憶循環(huán)網(wǎng)絡(luò)長(zhǎng)短期記憶循環(huán)網(wǎng)絡(luò)（Long Short-Term Memory，LSTM）[46]通過(guò)使來(lái)實(shí)現(xiàn)時(shí)間上的記憶功能，由此防止梯度消失，可以記憶很久之前的種記憶長(zhǎng)時(shí)的歷史信息的模式和公交到站時(shí)間預(yù)測(cè)問(wèn)題相吻合，因 LSTM 作為公交到站時(shí)間預(yù)測(cè)的基本模型。與 RNN 相同，LSTM 也是對(duì)同一個(gè)單元結(jié)構(gòu)在時(shí)間上進(jìn)行循環(huán)[47]，將間序列展開，可以得到如圖 2-2 所示的網(wǎng)絡(luò)結(jié)構(gòu)。

圖 2-3 LSTM 單元結(jié)構(gòu)Figure 2-3 LSTM unit structure使用門結(jié)構(gòu)來(lái)選擇信息是否通過(guò)，包含一個(gè) sigmoid 神經(jīng)網(wǎng)出 0 到 1 之間的數(shù)值，描述每個(gè)部分有多少量可以通過(guò)：0息通過(guò)，1 代表允許任何信息通過(guò)。LSTM 包含三個(gè)門結(jié)構(gòu)（輸出門）以及一個(gè)信息處理結(jié)構(gòu)（隱藏層）。下面分別進(jìn)行介門作用于輸入信息tI ，決定什么樣的信息會(huì)被當(dāng)前單元結(jié)構(gòu)處理分：其一，sigmoid 函數(shù)決定什么值要進(jìn)行更新，輸出一個(gè) 0其二，tanh 函數(shù)進(jìn)行信息處理，輸出當(dāng)前時(shí)刻 LSTM 需要記憶新方式見(jiàn)式（2-2）和式（2-3），其中iW 和sW 為權(quán)重，ib 和 代表的含義為對(duì)上一時(shí)刻的輸出和當(dāng)前時(shí)刻的輸入進(jìn)行組合

【參考文獻(xiàn)】：
期刊論文
[1]TensorFlow平臺(tái)上基于LSTM神經(jīng)網(wǎng)絡(luò)的人體動(dòng)作分類[J]. 楊煜,張煒.  智能計(jì)算機(jī)與應(yīng)用. 2017(05)
[2]基于word2vec和LSTM的飲食健康文本分類研究[J]. 趙明,杜會(huì)芳,董翠翠,陳長(zhǎng)松.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(10)
[3]基于MapReduce聚類和神經(jīng)網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測(cè)模型[J]. 謝芳,顧軍華,張素琪,張建.  計(jì)算機(jī)應(yīng)用. 2017(S1)
[4]小城市近期公交線網(wǎng)優(yōu)化調(diào)整技術(shù)[J]. 陳艷艷,郝世洋,王振報(bào),楊萬(wàn)凱.  交通科技與經(jīng)濟(jì). 2016(06)
[5]基于智能手機(jī)的公交車到站時(shí)間預(yù)測(cè)[J]. 張強(qiáng).  數(shù)字技術(shù)與應(yīng)用. 2016(02)
[6]探究影響衛(wèi)星傳輸安全的因素及其應(yīng)對(duì)策略[J]. 劉婕.  黑龍江科技信息. 2015(22)
[7]國(guó)際交通信息化發(fā)展文獻(xiàn)回顧[J]. 宗剛,李騰海子.  中國(guó)交通信息化. 2015(04)
[8]基于時(shí)間分段的公交車到站時(shí)間預(yù)測(cè)模型研究[J]. 張強(qiáng),張艷艷.  數(shù)字技術(shù)與應(yīng)用. 2014(11)
[9]基于模糊綜合評(píng)價(jià)法的大陸游客臺(tái)灣旅游體驗(yàn)研究[J]. 劉勇.  江蘇建筑職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2014(03)
[10]公交到站時(shí)間預(yù)測(cè)研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 向紅艷,彭學(xué)文.  交通信息與安全. 2014(04)

碩士論文
[1]基于異構(gòu)信息的公交車到站時(shí)間預(yù)測(cè)研究[D]. 黃晶.北京工業(yè)大學(xué) 2017
[2]城市快速公交系統(tǒng)（BRT）服務(wù)水平評(píng)價(jià)研究[D]. 余芯璇.重慶交通大學(xué) 2017
[3]基于深度學(xué)習(xí)的智能對(duì)話問(wèn)答系統(tǒng)研究[D]. 陳虹.廈門大學(xué) 2017
[4]基于大數(shù)據(jù)的山地城市路阻函數(shù)研究[D]. 于海勇.重慶交通大學(xué) 2016
[5]基于支持向量機(jī)回歸的傳染病預(yù)測(cè)系統(tǒng)建模[D]. 俞璐.中國(guó)科學(xué)技術(shù)大學(xué) 2015
[6]公交車到站時(shí)間預(yù)測(cè)模型與實(shí)證研究[D]. 計(jì)曉昕.北京交通大學(xué) 2015
[7]公交浮動(dòng)車到達(dá)時(shí)間實(shí)時(shí)預(yù)測(cè)研究[D]. 賴云波.重慶大學(xué) 2011
[8]智能公交車輛到站時(shí)間預(yù)測(cè)研究[D]. 李福雙.北京交通大學(xué) 2009
[9]基于IC卡數(shù)據(jù)和公交車GPS信息的公交OD矩陣推算[D]. 戴維.華中科技大學(xué) 2009
[10]紅外APC乘客計(jì)數(shù)精度改進(jìn)及公交客運(yùn)量預(yù)測(cè)模型研究[D]. 涂平.重慶大學(xué) 2008



本文編號(hào)：3117633