收藏本站
《西安邮电大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的路网短时交通流分析与预测研究

尹杨  
【摘要】:衡量一个城市现代化管理水平的重要标志之一就是城市交通。交通拥堵情况日益严重、交通事故频发等问题对城市运行效率与居民出行体验有着很大的负面影响,因此城市交通管理逐渐成为相关部门和人们的关注焦点。在信息化时代,通过基于大数据的数据分析、数据挖掘等手段有望在技术层面提升城市交通管理水平和公共服务质量。为了解决或改善交通领域的相关问题,本文针对短时交通流量预测、车辆驾驶轨迹预测、交通拥堵分析等问题展开研究,取得的主要研究成果包括:(1)提出了一种混合LSTM神经网络结构,并针对实际路网中不同交通状况对混合LSTM神经网络结构及超级参数进行深度调优,最后与其他模型或者算法进行对比,实验结果显示:路段交通流量真实值与预测值之间的绝对误差最大值为0.65,路口交通流量真实值与预测值之间的相对误差最大值为-4.00%,预测准确性较为理想,与其他模型以及调优之前的LSTM准确性有显著提升,且模型运行时间符合短时交通流量预测的实时性。(2)使用加权形式的马尔可夫链模型对移动对象的运动轨迹进行预测。将模拟路网与实际路网匹配以后进行模拟路网切割从而生成更小维度的转移概率矩阵,有效解决了传统的低阶马尔可夫模型预测准确度较低,高阶马尔可夫模型矩阵稀疏率较大会带来计算量骤增的问题。(3)利用回归分析对交通流量进行实时预测,并且对比了普通线性回归分析、基于随机梯度下降的回归分析、局部加权线性回归模型之间的准确性而得到最优回归模型。采用不同的统计分析方法将最优回归模型得到的结果进行逐步回归,通过多次迭代而得到了自变量个数更少的最优精简模型,并对比了原始模型生成的回归方程与精简模型生成的回归方程之间的预测准确性。最后计算出了路口之间相互影响的相对重要性数值以用于路口间交通流量相关性分析与拥堵成因等问题的后续研究。(4)将模拟路网与实际路网匹配而得到更多道路属性,例如:车道数量、道路长度等,根据道路属性与原始数据属性计算出相应的道路指标,结合实际交通需求与原始数据属性使用交通密度、道路饱和度、高峰小时系数等道路指标来判断道路是否拥堵以及道路服务水平等级。最后根据原始数据集与实验结果完成了数据可视化,生成基于模拟路网的路段交通流量热力图与路口交通流量热力图,并且用不同颜色来标注各个路段的拥堵程度。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前16条
1 徐依虹;;基于移动平均法预测短时交通流参数的步长选定[J];中国水运(下半月);2017年04期
2 于振洋;;小波消噪的神经网络短时交通流量预测模型[J];计算机仿真;2012年09期
3 田晶;杨玉珍;陈阳舟;;短时交通流量两种预测方法的研究[J];公路交通科技;2006年04期
4 蒋海峰;马瑞军;魏学业;温伟刚;;一种基于小数据量的快速识别短时交通流混沌特性的方法[J];铁道学报;2006年02期
5 华冬冬,陈森发;非线性短时交通流的一种神经网络预测方法[J];现代交通技术;2004年01期
6 杨慧慧;;城市道路短时交通流预测方法研究[J];河南科技;2018年26期
7 韦凌翔;陈红;王永岗;张敏;王龙飞;;基于相关向量机的短时交通流量平滑处理方法[J];西北大学学报(自然科学版);2017年01期
8 马飞虎;饶志强;;城市道路短时交通流预测方法研究[J];公路;2017年06期
9 张晗寒;梁禹民;陶世宁;韩旭;;基于大数据的交通信号实时优化研究[J];工程建设与设计;2017年05期
10 陆海亭;张宁;黄卫;夏井新;;短时交通流预测方法研究进展[J];交通运输工程与信息学报;2009年04期
11 宁云隆;刘丹;许淑伟;;路口短时交通流量预测方法[J];科技资讯;2009年13期
12 张立;谢忠玉;陈凯;;基于混沌理论的短时交通流局域预测模型[J];黑龙江工程学院学报(自然科学版);2011年02期
13 韩惠婷;;高速公路短时交通流量组合预测[J];江苏科技信息;2013年04期
14 杨兆升;王媛;管青;;基于支持向量机方法的短时交通流量预测方法[J];吉林大学学报(工学版);2006年06期
15 杨锦伟;肖新平;郭金海;毛树华;;基于少数据云推理的短时交通流预测模型[J];交通运输系统工程与信息;2015年03期
16 徐鹏;姜凤茹;;基于蚁群优化支持向量机的短时交通流量预测[J];计算机应用与软件;2013年03期
中国重要会议论文全文数据库 前4条
1 翁小雄;翦俊;;短时交通流频谱分析与预测[A];第二十六届中国控制会议论文集[C];2007年
2 田夫;李勇;孙占全;;短时交通流预测方法研究[A];2007第三届中国智能交通年会论文集[C];2007年
3 张利;李星毅;施化吉;;一种基于ARIMA模型的短时交通流量改进预测算法[A];2007第三届中国智能交通年会论文集[C];2007年
4 张军;;智能交通学术研究进展[A];中国机械工程学会机械自动化分会&中国自动化学会制造技术专委会学术工作进展报告 2017[C];2017年
中国重要报纸全文数据库 前2条
1 记者 李君光 通讯员 梁书文;春节假期车流量创新高达37万余辆[N];北海日报;2017年
2 本报记者 李婵;交通拥堵为何预测不准[N];北京科技报;2010年
中国博士学位论文全文数据库 前1条
1 张晓利;基于非参数回归的短时交通流量预测方法研究[D];天津大学;2007年
中国硕士学位论文全文数据库 前10条
1 尹杨;基于深度学习的路网短时交通流分析与预测研究[D];西安邮电大学;2019年
2 赵庆;面向短时交通流分析与预测的循环神经网络算法研究[D];西安理工大学;2019年
3 熊芷萱;基于改进的极限学习机短时交通流预测模型研究[D];湖南大学;2016年
4 刘永超;短时交通流量预测分析[D];兰州交通大学;2018年
5 康丹青;基于深度学习的短时交通流预测方法研究[D];哈尔滨理工大学;2018年
6 李星;融合天气因素的短时交通流深度预测算法[D];长安大学;2018年
7 乔松林;基于深度学习的短时交通流量预测研究[D];青岛大学;2018年
8 王苗苗;基于机器学习的短时交通流预测方法研究[D];长安大学;2017年
9 饶志强;南昌市短时交通流预测方法研究[D];华东交通大学;2017年
10 刘芳;短时交通流量预测方法及应用[D];长沙理工大学;2015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
  • 010-62982499
  • 010-62783978