原文传递
基于深度学习的城市车辆交通流量分析算法研究
| 论文题名： | 基于深度学习的城市车辆交通流量分析算法研究 |
| 关键词： | 车辆交通流;短时预测;通行效率;深度学习 |
| 摘要： | 随着城市车辆的飞速增加，各城市均面临着交通通行严重堵塞的问题。为改善交通通行状况，通过对车辆交通流量进行分析，提出了基于深度学习的短时交通流量预测模型与路网通行效率相结合的方法，对路网中的车辆通行状况进行分析优化。路网通行效率是针对全局路网通行状况进行分析的量化指标，与单个交通路口的交通通行效率相比，分析更具全面性，能够实现整个路网通行效率的优化。 课题提出的方法结合了深度学习算法可塑性强的优点与路网通行效率的有效性，进行路网的车流量分析。首先，以深度学习框架为基础，构建可预测短时交通流量的深度学习模型；然后，建立由多个路口和多个路段所组成的交通路网模型，计算出交通通行效率，并将此结果作为量化指标；最后，将大部分数据用于完成基于深度学习的交通流量预测模型的训练，剩余数据用于模型预测验证以得到可靠模型，再通过调整影响因子，即改变红绿信比、是否左转分离和车道数进行不同组预测，得出对应的通行效率，其中交通通行效率最高的影响条件即为路网通行状况达到最优的条件。 仿真结果表明，课题提出的基于深度学习短时交通流量预测与路网通行效率相结合的方法，提高了路网中车辆通行效率，对优化通行状况具有重要的理论意义和工程价值。 |
| 作者： | 陈士举 |
| 专业： | 电子与通信工程 |
| 导师： | 李春明;冯卫 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河北科技大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
