收藏本站
《北京交通大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于时间序列的经典模型和LSTM模型的城市宏观行程速度预测研究

刘昶  
【摘要】:本文从宏观视角对城市道路交通的日均速度进行了预测推演研究。研究对象是集计的基于网约车大数据的城市宏观行程速度,该数据是北京市六环内的城市道路日均速度,宏观意义上具有较高的研究价值。目前在交通流预测领域有很多研究方法,但是综合来看,研究的重点都是局部的交通状态,缺乏对交通流宏观状态的研究。本文以城市宏观行程速度为研究基础,将其看作一个时间序列并进行分解,发现数据中存在着有趣的季节性特征和趋势特征,基于此推演分析出了影响城市宏观行程速度的外部因素。随后,本文引入了时间序列模型的不同算法来建立不同的宏观预测模型。一方面,在时间序列模型的经典算法中,本文详细地研究了自回归移动平均模型(Auto-Regressive Intergrated Moving Average,ARIMA),为提高模型的信息捕捉能力,创造性地将时间序列分解过程与动态回归模型相结合,提出了 STL-ARIMAX模型,该模型能够在捕捉数据中更多信息的同时,提高预测精度。另一方面,在时间序列模型的神经网络算法中,本文使用了深度学习中的长短时记忆神经网络模型(Long Short-Term Memory Network,LSTM)来对宏观速度进行建模和预测推演,其可以将外部影响因素作为额外的特征维度来输入,因此LSTM模型具有较高的灵活性,预测效果也优于时间序列经典预测方法。本文以城市宏观行程速度为研究基础,对数据本身特点和其预测模型都进行了详细的研究,还对经典算法的流程和神经网络算法的输入分别进行了改进,更好地把握了宏观交通流速度的变化规律,以及速度受多种外部因素影响而产生的波动。可为相关交通政策的制定提供科学依据,同时为未来城市交通宏观特征的相关研究提供启发和参考。
【学位授予单位】:北京交通大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:U491

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期
2 王金策;杨宁;;时间序列趋势预测[J];现代计算机(专业版);2017年02期
3 彭佳星;肖基毅;;基于分型转折点的证券时间序列分段表示法[J];商;2016年31期
4 刘伟龙;;基于ARMA模型的股价预测及实证研究[J];智富时代;2017年02期
5 周仰;;《漫长的告别》(年度资助摄影图书)[J];中国摄影;2017年04期
6 王嵬;;王嵬作品[J];当代油画;2017年07期
7 刘明华;张晋昕;;时间序列的异常点诊断方法[J];中国卫生统计;2011年04期
8 郭崇慧;苏木亚;;基于独立成分分析的时间序列谱聚类方法[J];系统工程理论与实践;2011年10期
9 王佳林;王斌;杨晓春;;面向不确定时间序列的分类方法[J];计算机研究与发展;2011年S3期
10 万里;廖建新;朱晓民;倪萍;;一种基于频繁模式的时间序列分类框架[J];电子与信息学报;2010年02期
中国重要会议论文全文数据库 前10条
1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年
2 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集(D)[C];2018年
3 张立波;庞蓉蓉;王勇;黄敏;何成涛;傅强;曲贤敏;仲昭衍;;基于时间序列的随机质控设计与应用[A];中国输血协会第九届输血大会论文专辑[C];2018年
4 徐光晶;;统计学在大地电磁测深时间序列处理中的应用[A];2017中国地球科学联合学术年会论文集(二十九)——专题57:电磁地球物理学研究及其应用[C];2017年
5 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年
6 吴丽娜;黄领梅;沈冰;吕继强;;黄河上游降水时间序列混沌特性识别与预测年限分析[A];水系统与水资源可持续管理——第七届中国水论坛论文集[C];2009年
7 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集(上)[C];1989年
8 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年
9 王兆甲;王海良;;一种相似时间序列挖掘算法及其在汽车运动分析中的应用[A];2014中国汽车工程学会年会论文集[C];2014年
10 林忠辉;莫兴国;薛玲;;用NDVI时间序列确定作物物侯和作物类型判别[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
中国重要报纸全文数据库 前10条
1 王晓宝 杨永恒 永安期货;浅析波动率的均值回复特征[N];期货日报;2017年
2 东证期货 王爱华 杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年
3 国家统计局核算司 吕峰;不变价GDP时间序列数据的构造[N];中国信息报;2016年
4 ;《时间序列与金融数据分析》[N];中国信息报;2004年
5 何德旭 王朝阳;时间序列计量经济学:协整与有条件的异方差自回归[N];中国社会科学院院报;2003年
6 刘俏;让数据坦白真相[N];21世纪经济报道;2003年
7 卞纪;我国多时间序列湿地遥感制图完成[N];中国气象报;2011年
8 权证一级交易商 国信证券;正股走势及时间序列主导下半年权证市场运行结构[N];证券时报;2006年
9 广发期货股指研究小组 谢贞联;Hurst指数提示市场升势或将形成[N];上海证券报;2012年
10 丁睿 中粮期货研究院;试论指数HP滤波分析法的应用[N];期货日报;2014年
中国博士学位论文全文数据库 前10条
1 刘海洋;复杂环境下时间序列预测方法研究[D];北京交通大学;2019年
2 康峻;基于时间序列遥感数据的植被精细分类与覆盖度反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
3 林蕾;基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
4 丁红;柳江径流分析与预测研究[D];武汉理工大学;2016年
5 周超;集成时间序列InSAR技术的滑坡早期识别与预测研究[D];中国地质大学;2018年
6 张琪;时间序列流数据异常检测问题的研究[D];山东大学;2019年
7 张方;局部相似分析的统计研究及其在生物时间序列中的应用[D];山东大学;2019年
8 郝鹏宇;基于多时相遥感数据的作物早期识别[D];中国农业科学院;2019年
9 邹蕾;基于趋势基元的时间序列同构关系发现[D];北京科技大学;2017年
10 丁超;MODIS时间序列重建方法与应用[D];中国地质大学(北京);2018年
中国硕士学位论文全文数据库 前10条
1 肖宁宁;基于时间序列InSAR技术的成都地区地表沉降研究[D];电子科技大学;2019年
2 陈洋;中高空间分辨率卫星NDVI时间序列数据重建技术研究[D];电子科技大学;2019年
3 朱志静;基于趋势和特征子序列的时间序列数据挖掘研究[D];江南大学;2019年
4 纵焱;基于组合Shapelets的时间序列分类方法研究[D];中国矿业大学;2019年
5 武帅;面向时间序列的增量模糊聚类算法研究[D];河南理工大学;2018年
6 王璇;基于MODIS时间序列的河南主要农作物种植信息提取[D];河南大学;2019年
7 王浩宇;基于EEMD方法的基金业绩评价研究[D];上海社会科学院;2019年
8 王赛兰;基于多元方法和时间序列的PM2.5浓度分析与预测[D];湖南师范大学;2019年
9 刘昶;基于时间序列的经典模型和LSTM模型的城市宏观行程速度预测研究[D];北京交通大学;2019年
10 尹康;基于LSTM的关联时间序列预测方法研究[D];北京交通大学;2019年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026