發(fā)布時(shí)間：2021-07-20 06:39

　　交通預(yù)測(cè)問(wèn)題是智能交通系統(tǒng)研究的重要問(wèn)題,交通速度是衡量交通狀態(tài)的一個(gè)重要指標(biāo),交通速度預(yù)測(cè)不僅可以為交通管理者提供科學(xué)依據(jù),還可以為其他道路服務(wù)如路徑規(guī)劃提供支持。對(duì)于交通速度預(yù)測(cè)問(wèn)題,傳統(tǒng)的解決方法主要分為兩類,一類為只考慮單個(gè)路段或者單個(gè)檢測(cè)器的交通速度的模型,如LSTM,GRU等,但這類模型訓(xùn)練的時(shí)間復(fù)雜度較高,一類方法為綜合考慮交通速度的時(shí)空相關(guān)性的模型,但是常常會(huì)忽略外部影響因素如天氣的影響,往往不能得到較精確的預(yù)測(cè)效果。為了實(shí)現(xiàn)更加精準(zhǔn)的交通速度預(yù)測(cè),本文提出了基于時(shí)間卷積網(wǎng)絡(luò)的交通速度預(yù)測(cè)模型,本文的主要工作如下:（1）針對(duì)只考慮單個(gè)路段或者單個(gè)檢測(cè)器歷史交通速度的交通速度預(yù)測(cè)問(wèn)題,本文提出了一個(gè)反向傳播時(shí)間卷積網(wǎng)絡(luò)（Back-Propagation Temporal Convolutional Network,BTCN）,該模型利用空洞因果卷積可以捕獲較長(zhǎng)時(shí)間的時(shí)間依賴關(guān)系,這也是時(shí)間卷積網(wǎng)絡(luò)首次運(yùn)用到交通速度預(yù)測(cè)問(wèn)題中。實(shí)驗(yàn)結(jié)果表明BTCN相比傳統(tǒng)的LSTM網(wǎng)絡(luò)和GRU網(wǎng)絡(luò)具有更高的預(yù)測(cè)準(zhǔn)確率,另外BTCN模型的訓(xùn)練速度相比GRU網(wǎng)絡(luò)提升了19.8%。（2）針對(duì)路段... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

交通速度的時(shí)空依賴關(guān)系，（a）交通速度的時(shí)間依賴關(guān)系，（b）交通速度的空間依賴關(guān)系

重慶大學(xué)碩士學(xué)位論文2相關(guān)技術(shù)理論10合的問(wèn)題，為了解決這個(gè)問(wèn)題，需要在原來(lái)的損失函數(shù)的基礎(chǔ)上增加正則化項(xiàng)，增加正則化項(xiàng)之后的損失函數(shù)為：=+‖‖+(2.4)其中和指的是正則項(xiàng)的權(quán)重，這兩個(gè)權(quán)重值一般需要通過(guò)調(diào)參得到。通過(guò)使損失函數(shù)降低到某個(gè)閾值，可以得到最優(yōu)化的兩個(gè)因子矩陣P和Q，這樣就可以使用如下的公式對(duì)原矩陣中未知的元素進(jìn)行預(yù)測(cè)：=(2.5)2..2CP分解對(duì)于一個(gè)三階張量∈××，其CP分解可以寫(xiě)成如下形式：≈(:,)(:,)(:,)(2.6)其中，矩陣A，B，C的大小分別為×，×和×，稱為因子矩陣，表示張量的秩，符號(hào)表示張量積。張量分解的過(guò)程如下圖所示：圖2.1CP張量分解圖Fig.2.1CPdecompositionCP分解的目標(biāo)函數(shù)為：(,,)=12(2.7)其中∑為張量在任意位置(i,j,k)上的元素估計(jì)值，將張量被觀測(cè)到的元素相應(yīng)的索引集合記作(,,)∈，則上面的目標(biāo)函數(shù)可以改寫(xiě)為：(,,)=12(,,)∈(2.8)其中，，是決策變量，可以對(duì)這三個(gè)決策變量求偏導(dǎo)，進(jìn)一步得到更新公式為：1

重慶大學(xué)碩士學(xué)位論文2相關(guān)技術(shù)理論11=,:(,,)∈(2.9)=,:(,,)∈()(2.10)=,:(,,)∈(2.11)對(duì)于更高階（N>3）的張量，同樣也可以使用類似的求導(dǎo)方法分別對(duì)N個(gè)決策變量進(jìn)行更新。2..3Tucker分解圖2.2Tucker張量分解圖Fig.2.2Tuckerdecomposition如圖2.2所示，對(duì)于一個(gè)三階張量∈××，由Tucker分解可以得到∈×，∈×，∈×三個(gè)隱因子矩陣和一個(gè)核心張量∈××。對(duì)于圖2.2的分解過(guò)程，可以寫(xiě)成：≈×××=°°=;,,(2.12)在元素級(jí)別上，可以將Tucker分解表示為：≈=1,…,=1,…,=1,…,(2.13)其中P，Q，R分別為隱因子矩陣A，B，C的列數(shù)。Tucker分解一般可以通過(guò)HOSVD[42]（HighOrderSVD）和HOOI[43]算法進(jìn)行求解。HOSVD算法利用SVD分解方法對(duì)原張量的每一個(gè)模式（mode）的隱因子矩陣進(jìn)行計(jì)算，然后通過(guò)計(jì)算原張量和隱因子矩陣的乘積得到核心張量。HOSVD1

【參考文獻(xiàn)】：
期刊論文
[1]面向交通流量預(yù)測(cè)的多組件時(shí)空?qǐng)D卷積網(wǎng)絡(luò)[J]. 馮寧,郭晟楠,宋超,朱琪超,萬(wàn)懷宇.  軟件學(xué)報(bào). 2019(03)
[2]時(shí)空依賴的城市道路旅行時(shí)間預(yù)測(cè)[J]. 施晉,毛嘉莉,金澈清.  軟件學(xué)報(bào). 2019(03)
[3]基于深度學(xué)習(xí)的短時(shí)交通流預(yù)測(cè)[J]. 羅向龍,焦琴琴,牛力瑤,孫壯文.  計(jì)算機(jī)應(yīng)用研究. 2017(01)
[4]基于K-鄰域非參數(shù)回歸短時(shí)交通流預(yù)測(cè)方法[J]. 張曉利,賀國(guó)光,陸化普.  系統(tǒng)工程學(xué)報(bào). 2009(02)
[5]基于旅行時(shí)間檢測(cè)系統(tǒng)的交通應(yīng)用研究[J]. 盛鵬,趙樹(shù)龍,宋萬(wàn)忠,劉怡光,楊夢(mèng)龍.  計(jì)算機(jī)應(yīng)用. 2007(11)

碩士論文
[1]基于浮動(dòng)車數(shù)據(jù)的高速公路路段行程時(shí)間預(yù)測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D]. 唐俊.中山大學(xué) 2011



本文編號(hào)：3292340