交通擁堵在大中城市己日趨嚴(yán)重,導(dǎo)致了出行時(shí)間延遲和車輛污染排放顯著增加。智能交通系統(tǒng)是緩解交通擁堵、提高出行安全的有效途徑,城市交通擁堵預(yù)測(cè)是智能交通系統(tǒng)的關(guān)鍵技術(shù)之一。本文基于交通大數(shù)據(jù),研究城市交通擁堵區(qū)域預(yù)測(cè)方法。論文的主要工作如下:1.地圖匹配算法研究在城市交通擁堵區(qū)域預(yù)測(cè)模型研究中,需要使用公交軌跡數(shù)據(jù)和路段速度數(shù)據(jù)相結(jié)合來(lái)表征模型的標(biāo)簽,即是否發(fā)生擁堵,我們需要使用地圖匹配算法處理軌跡數(shù)據(jù)將軌跡匹配至對(duì)應(yīng)的路段上。為了提高匹配的準(zhǔn)確率,引入了隨機(jī)森林多分類的策略,將匹配問(wèn)題作為分類問(wèn)題看待,充分利用海量的歷史軌跡數(shù)據(jù)。為了進(jìn)一步加快匹配速度滿足實(shí)時(shí)匹配的要求,本文利用分布式處理機(jī)制,提出了一種基于分布式隨機(jī)森林多分類DRFMM的方法來(lái)處理軌跡數(shù)據(jù)的地圖匹配問(wèn)題。采用真實(shí)的合肥市路網(wǎng)和出租車軌跡數(shù)據(jù)表明,同經(jīng)典的點(diǎn)線匹配算法和神經(jīng)網(wǎng)絡(luò)分類方法相比較,本文提出的基于分布式隨機(jī)森林多分類的地圖匹配算法DRFMM有效提高了匹配的準(zhǔn)確度和速度。2.城市交通擁堵區(qū)域預(yù)測(cè)模型本文提出了一種結(jié)合知識(shí)圖譜和時(shí)空卷積神經(jīng)網(wǎng)絡(luò)（KG-ST-CNN）協(xié)同預(yù)測(cè)城市擁堵區(qū)域的模型。具體而言,通過(guò)對(duì)多源... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 交通擁堵預(yù)測(cè)研究現(xiàn)狀
        1.2.2 卷積神經(jīng)網(wǎng)絡(luò)方法研究現(xiàn)狀
        1.2.3 知識(shí)圖譜研究現(xiàn)狀
    1.3 研究目標(biāo)與內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 基本概念和理論
    2.1 交通流參數(shù)
        2.1.1 速度
        2.1.2 交通量
        2.1.3 密度
    2.2 交通狀態(tài)衡量
    2.3 深度學(xué)習(xí)方法
        2.3.1 監(jiān)督學(xué)習(xí)
        2.3.2 無(wú)監(jiān)督學(xué)習(xí)
    2.4 本章小結(jié)
第3章 地圖匹配算法研究
    3.1 地圖匹配問(wèn)題及定義
    3.2 經(jīng)典地圖匹配方法
        3.2.1 幾何地圖匹配算法
        3.2.2 拓?fù)涞貓D匹配算法
    3.3 地圖匹配的影響因素分析
    3.4 基于分布式隨機(jī)森林多分類的地圖匹配算法
        3.4.1 隨機(jī)森林分類算法
        3.4.2 SPAR分布式平臺(tái)
        3.4.3 路網(wǎng)數(shù)據(jù)網(wǎng)格化
        3.4.4 訓(xùn)練/測(cè)試樣本特征提取
        3.4.5 匹配算法
    3.5 地圖匹配實(shí)驗(yàn)
        3.5.1 數(shù)據(jù)介紹
        3.5.2 數(shù)據(jù)預(yù)處理
        3.5.3 地圖匹配
    3.6 本章小結(jié)
第4章 城市交通擁堵區(qū)域預(yù)測(cè)模型
    4.1 城市知識(shí)圖譜的意義和構(gòu)建
    4.2 圖神經(jīng)網(wǎng)絡(luò)
    4.3 時(shí)空相關(guān)性建模
    4.4 基于知識(shí)圖譜與時(shí)空卷積神經(jīng)網(wǎng)絡(luò)的城市擁堵預(yù)測(cè)模型
    4.5 擁堵預(yù)測(cè)實(shí)驗(yàn)
        4.5.1 實(shí)驗(yàn)環(huán)境
        4.5.2 性能指標(biāo)
        4.5.3 擁堵預(yù)測(cè)
    4.6 本章小結(jié)
第5章 城市交通擁堵區(qū)域預(yù)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 城市交通控制系統(tǒng)功能架構(gòu)
    5.2 城市交通控制系統(tǒng)功能模塊
        5.2.1 實(shí)時(shí)監(jiān)控
        5.2.2 決策分析
        5.2.3 智能優(yōu)化
        5.2.4 系統(tǒng)管理
    5.3 城市交通擁堵區(qū)域預(yù)測(cè)系統(tǒng)實(shí)現(xiàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果


【參考文獻(xiàn)】：
期刊論文
[1]一種適用于復(fù)雜城市路網(wǎng)的浮動(dòng)車實(shí)時(shí)地圖匹配技術(shù)[J]. 朱麗云,郭繼孚,溫慧敏,孫建平,陳鋒.  交通與計(jì)算機(jī). 2007(06)
[2]基于狀態(tài)空間模型的道路交通狀態(tài)多點(diǎn)時(shí)間序列預(yù)測(cè)[J]. 姚智勝,邵春福.  中國(guó)公路學(xué)報(bào). 2007(04)

碩士論文
[1]大數(shù)據(jù)平臺(tái)下地圖匹配算法的研究與實(shí)現(xiàn)[D]. 張文.北京郵電大學(xué) 2017
[2]基于分布式計(jì)算的SVM算法優(yōu)化[D]. 郭欣欣.西安電子科技大學(xué) 2014
[3]基于浮動(dòng)車數(shù)據(jù)的城市快速路短時(shí)交通狀態(tài)預(yù)測(cè)的研究[D]. 張菁菁.北京交通大學(xué) 2012
[4]大規(guī)模浮動(dòng)車數(shù)據(jù)處理的研究與實(shí)現(xiàn)[D]. 楊喆.中國(guó)科學(xué)技術(shù)大學(xué) 2010



本文編號(hào)：3167743