原文传递
基于深度神经网络的短时交通流量预测算法研究
| 论文题名： | 基于深度神经网络的短时交通流量预测算法研究 |
| 关键词： | 智能交通系统;短时交通流量预测算法;深度神经网络;精度控制 |
| 摘要： | 近年来，随着社会经济的不断发展，城镇化水平不断提高，交通问题已经成为人们关注的焦点。为了缓解交通拥堵，短时交通流量预测已逐渐成为智能交通系统研究领域的重点研究方向之一。然而，现有的诸多短时交通流量预测模型已经无法满足应用需求，其主要原因有:1）浅层结构模型存在缺陷;2）研究场景大多是封闭的高速公路;3）现有方法仅用单一的流量预测流量，而并没有综合考虑速度和占有率等多元交通变量。因此，基于深层结构的短时交通流量预测模型已逐渐成为研究热点之一。 本文针对交通流量数据在时间和空间上的内在关联性，提出了一种基于深度神经网络的短时交通流量预测算法。主要研究内容如下:第一，总结和整理了现有的短时交通流量预测和深度神经网络的研究工作，并详细介绍了短时交通流量预测和深度神经网络的常见模型或者算法;第二，基于栈式自编码深度神经网络模型，提出了一种基于支持向量回归栈式自编码的短时交通流量预测算法(简称S-SAE)。同时通过逐层贪婪训练的方法重新表征交通流量特征，实现对短时交通流量预测。第三，在真实交通数据中进行比较实验，验证了S-SAE算法的有效性，提高了预测精度。本文的创新和主要贡献包括:第一，提出了一种基于深度神经网络的短时交通流量预测模型，以提高短时交通流量预测的准确度;第二，S-SAE算法已经成功应用于厦门市交通大数据分析平台的短时交通流量预测模块，并取得了预期效果。 本文的研究工作，一方面将有效提高短时交通流量预测的准确度，另一方面将有利于拓展路况查询方面的惠民应用，为市民提供交通出行指南。 |
| 作者： | 黄华强 |
| 专业： | 计算机技术 |
| 导师： | 程明 |
| 授予学位： | 硕士 |
| 授予学位单位： | 厦门大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
