原文传递
面向交通信息物理融合系统的流量预测研究
| 论文题名： | 面向交通信息物理融合系统的流量预测研究 |
| 关键词： | 交通流量预测;信息物理融合系统;图卷积网络;空间特征提取;注意力机制;门控循环单元 |
| 摘要： | 信息物理融合系统(CPS)作为智能制造系统的基础核心技术，在工业4.0时代为人类的生产生活提供了便捷、稳定、安全的服务，受到了高度关注。现代信息技术的发展，使CPS网络中数据呈指数级增长，物理基础设备结构日益复杂。然而CPS传统结构僵化，对于底层异构设备网络的控制管理不足，海量数据的存储以及实时计算都无法满足现实需求。针对CPS中出现的问题，本文结合软件定义网络思想(SDN)、云计算和雾计算技术，提出一种融合云计算和雾处理的软件定义CPS。利用SDN将物理设备中的控制平面和数据平面分离，在控制中心进行统一集中的管理。并使用云计算技术对于数据存储、处理、分析的优势，以及雾计算在云和网络边缘设备中的灵活性，实现对复杂数据的实时性处理和存储。 在智能交通信息物理融合路网的建设过程中，出现数据繁多、结构复杂、实时性预测要求高等问题，因此本文在基于融合云计算和雾处理的软件定义CPS的架构基础上，利用云服务器中强大的计算分析能力，改进了一种传统图卷积的交通流量预测算法模型。交通流量预测是交通系统中必不可少的一项工作，准确及时的预测交通情况将极大改善交通环境。深度学习模型过去一直在交通流量预测中被广泛应用，而图卷积网络(GCN)的兴起也给研究学者提供了新的思路。本文在采取GCN进行空间特征提取，门控循环单元进行时间特征提取的混合模型基础上，使用边与图进行交互的图卷积模块，并采用加入注意力机制的门控循环单元(AGRU)，进行多步预测。该论文具体工作如下： （1）采用SDN技术提出SDNCPS架构，将控制平面和数据平面分离，实现对低层异构设备的集中管理。提出云计算和雾处理平台，利用雾计算和云计算互相配合，协同工作，共同解决计算和存储问题。最后基于SDNCPS以及云计算和雾处理平台的优势提出一种融合云计算和雾处理的SDCPS，并对该系统各个模块进行AADL建模，最后组合建模验证合理性并分析控制层数据流。 （2）改进了一种传统图卷积的交通流量预测模型：提出边图卷积块获取空间特征，该模块通过对边与节点之间的交互，提高对交通图中边的关注，增加空间相关性提取的有效性；提出AGRU模块获取时间特征，对时间特征的提取加入注意力机制，提高时间相关性的精确性；结合边图卷积块和AGRU模块对交通流量实现多步预测。 （3）将交通流量预测模型在两种真实交通数据集上进行实验，并与多种模型进行对比，结果显示该模型在各项指标中优于其他模型。同时对各个模块进行消融实验，证明在交通流量预测领域中具备有效性。 |
| 作者： | 张晨 |
| 专业： | 计算机技术 |
| 导师： | 张立臣 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
