详情

原文传递公交到站时间预测模型的研究

论文题名：	公交到站时间预测模型的研究
关键词：	LSTM网络;公交到站时间预测;深度学习;循环神经网络;网络模型
摘要：	公交到站时间预测是城市居民出行服务的需要，是广大乘客最关心的交通信息之一，它的预测准确度直接影响着乘客对公交系统的满意度，预测准确度的提高可以节约广大乘客的等待时间，从而提高出行效率，进而提升公交系统的服务水平，吸引更多乘客乘坐公交车，有利于解决交通拥堵问题。　　本文针对公交到站时间预测问题进行了研究，公交到站时间既与当前到站时间有关，又与历史同期数据相关，基于此本文根据深度学习中的LSTM网络模型在时间序列处理方面的优点，构建了基于LSTM网络的公交到站时间预测模型，并通过实验的方法验证了此模型的有效性与可实施性。本文的主要工作如下：　　1．将现有多种公交到站时间预测模型进行介绍。详细介绍了深度学习的相关内容和循环神经网络与LSTM网络的内容和结构，分析并总结影响公交到站时间的静态、动态因素。　　2．建立了基于LSTM的公交到站时间预测模型。以青岛市公交到站时间预测为例，在对数据进行了缺失值及归一化处理的基础上，构建了基于LSTM的公交到站时间预测模型，并对青岛市公交车到站时间进行预测，结果表明了此预测模型的可行性与有效性。　　3．优化模型。为了提高模型的预测精度，对模型进行了优化，最后面对特定的训练数据样本比较少的问题，通过迁移学习的方式对数据集进行扩充，来提高网络模型的性能，进而提高预测准确度。
作者：	艾文文
专业：	计算机科学与技术
导师：	邵峰晶
授予学位：	硕士
授予学位单位：	青岛大学
学位年度：	2017
正文语种：	中文