原文传递
基于Community-3DCNN的城市网格交通流量预测
| 论文题名： | 基于Community-3DCNN的城市网格交通流量预测 |
| 关键词： | 交通流量;预测模型;谱聚类算法;深度学习 |
| 摘要： | 近年来，随着科技实力的跨越式发展，人们的生活质量有了明显的提升。日益增长的交通需求和固定有限的道路空间，使得交通拥堵问题逐渐成为一个世界性的难题。但是与此同时，交通信息的获取质量和数据的准确性也在持续地提升，现在已经能够从实时的交通道路信息中获得实时、准确的数据，结合恰当地深度学习模型就可以评估道路拥堵情况和交通流量预测。 本文结合交通流量数据表现出的时间和空间上的相关性和异质性，将城市的区域信息与交通流量值相结合，以三维卷积神经网络为基础，利用谱聚类算法划分城市区域，构造Community-3DCNN模型。将复合的3DCNN应用到区域的交通流量预测中，叠加二维卷积层探索空间信息，然后嵌入重新校准块捕捉特征对不同网格区域的贡献度，捕获空间异质性。最后在模型的基础上，应用谱聚类算法对城市网格区域进行分类预测。 将本文提出的Community-3DCNN模型应用于所给的TaixBJ数据集和NYCBike数据集中，并与传统模型和无community性质的模型进行比较分析。结果显示，复合3DCNN模型在两个数据集上均具有最佳表现，预测误差RMSE值分别为16.09和5.81，而本文提出的Community-3DCNN模型在两个数据集中城市拥堵区域上的预测误差RMSE值分别为16.02和5.77，因此，单独对拥堵区域预测的性能要优于整体预测性能。 整体来看，本文基于复合三维卷积神经网络模型，提出Community-3DCNN模型从交通流量数据中充分提取空间和时间的相关性与异质性信息，结合谱聚类算法划分城市区域，在较小的误差范围内实现对拥堵地区未来交通流量的准确预测。 |
| 作者： | 刘嘉慧 |
| 专业： | 应用统计 |
| 导师： | 兰伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南财经大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
