检索结果-南通市图书馆

作者：高晓波大连理工大学

学位级别：硕士

随着城市化进程的推进,由于城市人口增加、道路增长率远低于汽车增长率等因素,造成了一系列交通问题,其中最为突出的问题是交通拥堵问题。对交通拥堵进行预测是缓解交通拥堵的关键。为了使得交通拥堵预测能够满足实时性和准确性的需求,... 详细信息

随着城市化进程的推进,由于城市人口增加、道路增长率远低于汽车增长率等因素,造成了一系列交通问题,其中最为突出的问题是交通拥堵问题。对交通拥堵进行预测是缓解交通拥堵的关键。为了使得交通拥堵预测能够满足实时性和准确性的需求,本文提出了一种基于深度学习的城市短时交通拥堵预测模型。通过对大量的城市交通出租车数据进行处理,提取交通拥堵识别中的重要交通流参数,交通量和平均速度。通过分析交通量和平均速度的时空分布特性,分别提出了基于深度学习中的堆叠自动编码器(SAE)的短时交通量预测模型和基于堆叠自动编码器的短时平均速度预测模型。通过对比其他交通量预测方法和平均速度预测方法,本文提出的方法在准确率上有所提高。在交通拥堵识别方面,本文使用了一种模型,该模型选取交通拥堵的特征参数(平均车速、密度、交通流量),利用标准函数法标准化特征参数计算出综合交通阈值,量化各特征参数对拥堵的影响程度。然后结合基于SAE的短时交通量预测模型与基于SAE的短时平均车速预测模型,提出了基于深度学习的短时交通拥堵预测框架。最后,本文通过实验对提出的交通拥堵预测模型进行验证,实验结果表明,本文提出的短时交通量和短时平均车速预测模型在预测精度上优于其他对比模型;在交通拥堵预测方面,该模型在准确性、实时性上效果较好。

关键词：交通数据短时交通拥堵预测深度学习堆叠自动编码器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于空洞-稠密网络的交通拥堵预测模型

引用

上海交通大学学报 2021年第2期55卷 124-130页

作者：石敏蔡少委易清明暨南大学信息科学技术学院广州510632

在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首... 详细信息

在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首先,利用空洞卷积用较少的网络参数获取更大感受野的特点,充分提取出复杂多变的数据时空特征.其次,通过下采样及稠密网络的等值映射,解决参数在神经网络层数增加过程出现退化的问题.最后,取实际的城市道路平均车速数据块对网络结构的有效性进行验证.结果表明:同卷积神经网络模型相比,该网络结构预测平均绝对误差降低3%~23%.

关键词：空洞-稠密网络时空特征卷积神经网络短时交通拥堵预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于数据的交通拥堵评价与预测方法

基于数据的交通拥堵评价与预测方法

引用

作者：倪升华浙江工业大学

学位级别：硕士

随着城市机动车保有量的迅猛增加,国内大部分城市尤其是特大城市的交通拥堵状况日益严峻。城市道路的拥堵情况严重影响着居民的日常工作和生活。基础道路建设受到诸多条件限制发展缓慢,智慧交通作为一种治理交通拥堵的新方法,已成为交... 详细信息

随着城市机动车保有量的迅猛增加,国内大部分城市尤其是特大城市的交通拥堵状况日益严峻。城市道路的拥堵情况严重影响着居民的日常工作和生活。基础道路建设受到诸多条件限制发展缓慢,智慧交通作为一种治理交通拥堵的新方法,已成为交通管理部门的工作重点。城市道路上安装的各种传感器每天能够采集大量交通数据。如何利用这些数据制定有针对性的交通策略从而缓解城市交通拥堵,成为了研究者们关注的重点。交通拥堵评价不仅是道路交通服务水平的重要依据,也是交通管理与控制的前提。准确地评价交通拥堵状态,对道路拥堵预测、交通诱导以及最佳路径规划均有非常重要的意义。但由于实际道路交通数据获取难度较大,信息共享程度较低,大多数研究工作还停留在理论建模与仿真阶段。因此对实际道路的交通数据分析还有较大的提升空间。本文基于实际道路的大量交通数据(卡口数据、微波数据、GPS数据)对交通拥堵状态的评价与预测方法进行了创新性研究,主要取得了以下三方面的研究成果：(1)对道路上常见的多种传感器采集到的数据进行详细分析,设计了一种车牌Hash算法用于去除冗余数据。针对各种传感器的优缺点,同时结合实际道路上采集的数据质量,提出了一种多源交通数据融合的方法,有效的修正了原始数据中的奇异数据。(2)对实际交通数据进行拥堵状态评价。首先使用数据挖掘中常用的K-means聚类方法,依据聚类结果得出交通拥堵状态评价方法。拥堵状态是交通状态分析的重点,但由于拥堵状态在交通状态中所占比重较低,K-means聚类方法不能有效的将拥堵状态划分出来,针对这一问题提出了一种基于密度的交通拥堵评价方法,该方法可以较好的划分出拥堵状态。(3)对短时交通拥堵状态进行预测,针对一阶马尔可夫模型预测交通拥堵状态,存在预测拥堵状态滞后的问题,提出了一种高阶马尔可夫模型的短时交通拥堵状态预测方法。该方法对交通拥堵状态的预测准确度有了一定提升达到92.7%,并且有效的消除了预测滞后问题。

关键词：城市道路多源数据融合交通拥堵状态评价短时交通拥堵预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：