社會經(jīng)濟的迅速發(fā)展使得汽車保有量急速增長,道路供需不平衡的矛盾日益尖銳,導致各城市交通擁堵現(xiàn)象經(jīng)常出現(xiàn)。相比于單純依靠擴建道路基礎設施來緩解交通擁堵,通過信息技術,建立可持續(xù)的智能交通系統(tǒng)（ITS）,能夠有效的輔助交通疏導。同時隨著數(shù)據(jù)采集技術和手段的進步,積累了大量的交通數(shù)據(jù),但存在數(shù)據(jù)缺失或損壞的問題。準確、及時的交通流信息是ITS的基礎,對交通擁堵的管理和控制有重要作用。因此,為更好地使用ITS提供數(shù)據(jù)支持,研究交通流缺失數(shù)據(jù)填補和短時交通流預測的方法很有必要。本文研究目的是為了提高交通流缺失數(shù)據(jù)填補的準確度和提高短時交通流預測的精度�？紤]到交通流數(shù)據(jù)的非線性和復雜性,本文采用機器學習的方法,分析處理交通流數(shù)據(jù),提出了基于領域-降噪堆疊自編碼器（NN-DSAE）模型用于交通流缺失數(shù)據(jù)填補,提出了基于長短時記憶循環(huán)神經(jīng)網(wǎng)絡（LSTM）和決策樹模型用于短時交通流預測。提出的交通流缺失數(shù)據(jù)填補模型中,首先介紹了自編碼器、降噪自編碼器、降噪堆疊自編碼器和鄰域的原理,在此基礎上提出了基于NN-DSAE的填補方法。該方法首先對鄰域給定范圍進行改進,然后根據(jù)鄰域知識找尋對交通流缺失數(shù)據(jù)填補相關... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【部分圖文】：

圖１－１論文研宄框架??Ｆｉｇｕｒｅ?１－１?Ｔｈｅｓｉｓ?ｒｅｓｅａｒｃｈ?ｆｒａｍｅｗｏｒｋ??５??

圖３－１?ＰＥＭＳ信息圖??Ｆｉｇｕｒｅ?３－１?ＰＥＭＳ?ｉｎｆｏｒｍａｔｉｏｎ?ｍａｐ??獲取的交通流數(shù)據(jù)格式如圖３－２所示。??????????Ｄａｔａ?Ｑｕａｌｉｔｙ???５?Ｍｉｎｕｔｅｓ?＿＿?Ｌａｎｅ?１?Ｆｌｏｗ?（Ｖｅｈ＾５?Ｍｉｎｕｔｅｓ?ｊ｜Ｌａｎ＊?２?Ｆｌｏｗ?（Ｖ？ｈ／５?Ｍｉｎｕｔｅｓ）?Ｆｌｏｗ?（Ｖｅｈ／５?Ｍｉｎｕｔｅｓ｝?？?ｔａｎ？?Ｐ〇ｉｎｔｓＪ〇Ａｊ?Ｏｂｓｅｒｖｅｄ??０８／６ｘ７２０１６００：００?…＇＂１０＾?—＂?—?—Ｔｏ?＂ｌ２．０?２｜?ｌ６〇７６??〇８／〇ｖ／２〇ｉ６５〇ｒｑ５??＞２．？?ｓ．ｏ?Ｊ８?０?Ｗ?ｉｏｏ．ｏ??〇８／ｏｉ／２〇ｉ６￣Ｑ〇：ｒ〇?—??１．０｝?＇??Ｈ?￣?８Ｔｄ?２１?＾Ｖ〇５：〇??０８／０＾２０１６?００：?１５?二?６．０?３．０｝?９．０?＂３一￣．一？１００．０??０８／０１／２０１６?００：２０??—?＾．０＼??２

小波分析分解??３．２．３小波重構??小波重構即正交分解的逆變換，ｍａｌｌａｔ快速重構算法的過程如圖３－６所示。??Ｃｎ?—？?Ｃｎ．ｉ?…?Ｃ２?—？?Ｃｉ?—？?Ｃ〇??ｄｎ?＼?ｄｎ．ｉ?？？？?ｄ２?＼?ｄｉ?’??圖３－６?Ｍａｌｌａｔ重構算法??Ｆｉｇｕｒｅ３－６?Ｍａｌｌａｔ?ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??進而小波重構函數(shù)可由公式（３－１０）表示。??ＣｊＭ?￣＾ｊＣｊ＋＼，ｎＫ－２ｎ?＋ｙ＾ｊ＾ｊ＋＼，ｎＳｋ－２ｎ?（３－ｌ〇）??ｎ?ｎ??３．３小波函數(shù)的選取??３．３．１小波基函數(shù)??不同于傅里葉分析中的正弦波，小波分析中的小波函數(shù)不是唯一的，小波函??數(shù)只要滿足小波條件即可，在使用時需要根據(jù)實際問題來選取合適的小波基函數(shù)，??下面介紹幾種常見的用于交通領域的小波函數(shù)［４５］。??（１）?Ｈａａｒ?小波??Ｈａａｒ是使用最早的小波，是階躍函數(shù)，如圖３－７所示，可由公式（３－１１）表示。??ｌ?０＜ｘ＜＼／２??＇Ｆ，，?＝＜?－１?１／２＜ｘ＜１?（３－１１）??０其它??？－Ｓ｜?????????????９?？??？ａ?ｓ?？??＾０?ｔｉ??ｔｉ?ｔ??

【參考文獻】：
期刊論文
[1]中值濾波結合小波變換在光譜去噪中的應用[J]. 龔夢龍.  科技與創(chuàng)新. 2018(12)
[2]交通流缺失數(shù)據(jù)處理方法比較分析[J]. 孟鴻程,陳淑燕.  交通信息與安全. 2018(02)
[3]交通流缺失數(shù)據(jù)的修補技術探究[J]. 袁媛,邵春福,林秋映,何兆成,譚美琳.  中國公共安全(學術版). 2016(04)
[4]基于決策樹的煤化工污染物定量化溯源研究[J]. 郟奎奎,劉海濱.  環(huán)境工程. 2016(S1)
[5]一種基于小波變換的LTE系統(tǒng)下行鏈路信道估計算法[J]. 馬項楠,余立建.  西南科技大學學報. 2011(04)
[6]機器學習方法的應用研究[J]. 安增波,張彥.  長治學院學報. 2007(02)

博士論文
[1]基于機器學習的交通狀態(tài)判別與預測方法研究[D]. 商強.吉林大學 2017
[2]深度學習模型的高效訓練算法研究[D]. 陳凱.中國科學技術大學 2016

碩士論文
[1]基于極限隨機樹集成的短時交通流預測模型研究[D]. 龍艷芳.湖南大學 2017
[2]基于卷積神經(jīng)網(wǎng)絡的車牌識別技術研究[D]. 霍祥湖.電子科技大學 2017
[3]基于小波變換的交通流短時預測模型研究[D]. 曹征.北京交通大學 2010



本文編號：2933461