如今,城市中心的交通擁堵狀況相當(dāng)嚴(yán)重,這使得人們的出行變得愈發(fā)困難。因此,短時交通流量預(yù)測受到了越來越多學(xué)者的關(guān)注和研究。然而,傳統(tǒng)的短時交通流量預(yù)測研究大多是對單一路口進(jìn)行預(yù)測,沒有考慮路口之間的相關(guān)性。為了解決這個問題,本課題提出了一種基于時空相關(guān)性的短時交通流量預(yù)測方法（A Short-term Traffic Flow Prediction Method based on Spatial-Temporal Correlation,TFPM-STC）,本課題的研究內(nèi)容如下:（1）運(yùn)用均值處理法和閾值處理法對原始交通流量數(shù)據(jù)中的缺失值和異常值進(jìn)行處理,已達(dá)到數(shù)據(jù)清洗的目的。（2）利用主成分分析（Principal Component Analysis,PCA）來分析路網(wǎng)中每個路口彼此之間的交通流量相關(guān)性,選擇與被預(yù)測路口相關(guān)性較大的若干路口進(jìn)行短時交通流量預(yù)測。（3）使用卷積-門控循環(huán)單元（Convolution-Gated Recurrent Unit,Conv-GRU）以及雙向門控循環(huán)單元（Bidirectional Gated Recurrent Unit,Bi-GRU）分別... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

交通流預(yù)測模型分類Fig.1-1Classificationoftrafficflowpredictionmodels

青島科技大學(xué)研究生學(xué)位論文131.7TFPM-STC系統(tǒng)方法功能與流程本課題所提出的方法主要包括三個組成部分：數(shù)據(jù)預(yù)處理、路口相關(guān)性分析以及短時交通流量預(yù)測，如圖1-2所示。這三個部分相輔相成，缺一不可，其中數(shù)據(jù)預(yù)處理主要針對地磁傳感器采集的缺失值和異常值問題，分別采用均值法和閾值法來進(jìn)行處理；路口相關(guān)性分析主要采用主成分分析對所有路口的交通流量數(shù)據(jù)進(jìn)行相互分析，從而找出與被預(yù)測路口相關(guān)性大的若干路口；短時交通流量預(yù)測部分采用卷積‐門控循環(huán)單元來提取交通流的時空特征，使用雙向門控循環(huán)單元提取交通流的周期性特征，最后將三個特征充分融合，以此來預(yù)測交通流量數(shù)據(jù)。圖1-2TFPM-STC系統(tǒng)框架Fig.1-2SystemframeworkofTFPM-STC如圖1‐3所示，該方法的流程如下：(1)對原始流量數(shù)據(jù)使用均值法以及閾值法來進(jìn)行缺失值和異常值的處理；(2)將處理后的原始數(shù)據(jù)映射到矩陣中并使用主成分分析的方法進(jìn)行路口相關(guān)性分析；(3)將與被預(yù)測路口相關(guān)性較大的路口的原始交通流量數(shù)據(jù)映射到矩陣中，并將其輸入到卷積門控循環(huán)單元和雙向門控循環(huán)單元以提取交通流量的時空特征和周期性特征。

基于深度學(xué)習(xí)的短時交通流量預(yù)測研究14(4)利用均方誤差函數(shù)進(jìn)行誤差分析，從而不斷的對模型進(jìn)行調(diào)整，最終預(yù)測出準(zhǔn)確的交通流量數(shù)據(jù)。圖1-3TFPM-STC系統(tǒng)流程Fig.1-3SystemprocessofTFPM-STC

【參考文獻(xiàn)】：
期刊論文
[1]我國交通運(yùn)輸?shù)陌l(fā)展現(xiàn)狀及趨勢研究[J]. 王惠,張震,劉金鐸.  國際公關(guān). 2019(12)
[2]基于時空特征挖掘的交通流量預(yù)測方法[J]. 孔繁鈺,周愉峰,陳綱.  計算機(jī)科學(xué). 2019(07)
[3]基于維度加權(quán)的殘差LSTM短期交通流量預(yù)測[J]. 李月龍,唐德華,姜桂圓,肖志濤,耿磊,張芳,吳駿.  計算機(jī)工程. 2019(06)
[4]基于路口相關(guān)性的交通流量修復(fù)研究[J]. 于泉,劉洋,郭驍偉.  深圳大學(xué)學(xué)報(理工版). 2019(03)
[5]面向交通流量預(yù)測的多組件時空圖卷積網(wǎng)絡(luò)[J]. 馮寧,郭晟楠,宋超,朱琪超,萬懷宇.  軟件學(xué)報. 2019(03)
[6]交通流數(shù)據(jù)特性與預(yù)處理方法的研究[J]. 孫紅影.  科技創(chuàng)新與應(yīng)用. 2018(12)
[7]基于TFPCM與隨機(jī)模型的交通滯留量預(yù)測[J]. 李莎,孫麗珺.  計算機(jī)工程. 2019(01)
[8]基于時空權(quán)重相關(guān)性的交通流大數(shù)據(jù)預(yù)測方法[J]. 李欣,羅慶,孟德友.  北京大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[9]動態(tài)交通數(shù)據(jù)異常值的實時篩選與恢復(fù)方法[J]. 徐程,曲昭偉,陶鵬飛,金盛.  哈爾濱工程大學(xué)學(xué)報. 2016(02)
[10]智能交通系統(tǒng)綜述[J]. 趙娜,袁家斌,徐晗.  計算機(jī)科學(xué). 2014(11)

碩士論文
[1]基于張量模型的短時交通流量預(yù)測技術(shù)研究[D]. 程川云.重慶郵電大學(xué) 2019
[2]城市關(guān)聯(lián)交叉口交通流預(yù)測控制研究與實現(xiàn)[D]. 劉槐仁.廣東工業(yè)大學(xué) 2018
[3]基于時空關(guān)系協(xié)同作用的交通數(shù)據(jù)預(yù)處理方法研究[D]. 謝羲.長安大學(xué) 2015



本文編號：3637425