在全球氣候變暖、能源短缺的環(huán)境下,城市交通也逐漸向綠色低碳的方向發(fā)展,電單車便是其中之一,并在近些年呈現(xiàn)出蓬勃的發(fā)展態(tài)勢(shì)。但隨著電單車社會(huì)保有量的急劇增長(zhǎng),也逐漸暴露出了一些“管理難”的問題,比如影響交通秩序、車輛頻繁被盜、難以跟蹤管理等等。因此,從海量的電單車數(shù)據(jù)中提取有效信息,構(gòu)建出智能化的“電單車車聯(lián)網(wǎng)”,成為解決上述問題的一種有益的技術(shù)手段。本文即在長(zhǎng)期參與“電單車智能平臺(tái)”的研發(fā)工作基礎(chǔ)上,利用現(xiàn)實(shí)場(chǎng)景中的海量電單車數(shù)據(jù),借助深度神經(jīng)網(wǎng)絡(luò)的研究技術(shù),用于準(zhǔn)確預(yù)測(cè)電單車行程時(shí)間,從而幫助用戶更合理地規(guī)劃電單車行程。首先,本文分別參考了與電單車、行程時(shí)間預(yù)測(cè)相關(guān)的國(guó)內(nèi)外研究,并對(duì)其中的關(guān)鍵技術(shù)模型進(jìn)行分析。其次,針對(duì)深度神經(jīng)網(wǎng)絡(luò)的主要技術(shù),從基本理論與實(shí)現(xiàn)方法的角度加深了解。接著,介紹了電單車行程數(shù)據(jù)及其預(yù)處理方式,具體的包括數(shù)據(jù)獲取、數(shù)據(jù)清洗以及數(shù)據(jù)特征選取等。然后,分層設(shè)計(jì)出端到端的、多因素多任務(wù)機(jī)制的深度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,并確定相應(yīng)的誤差評(píng)價(jià)標(biāo)準(zhǔn)。最后,通過反復(fù)訓(xùn)練、測(cè)試的實(shí)驗(yàn)過程,得到預(yù)測(cè)模型實(shí)驗(yàn)結(jié)果,并從橫向、縱向進(jìn)行對(duì)比分析,證明本文模型的科學(xué)性和有效性。特別的,本文...

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 電單車的相關(guān)研究
        1.2.2 行程時(shí)間預(yù)測(cè)的相關(guān)研究
    1.3 本文研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
2 深度神經(jīng)網(wǎng)絡(luò)的基本理論與實(shí)現(xiàn)方法
    2.1 深度神經(jīng)網(wǎng)絡(luò)基本理論
        2.1.1 深度神經(jīng)網(wǎng)絡(luò)發(fā)展歷程
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)CNN
        2.1.3 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN
    2.2 深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法
        2.2.1 網(wǎng)絡(luò)優(yōu)化方法
        2.2.2 常用軟硬件工具
    2.3 本章小結(jié)
3 電單車行程數(shù)據(jù)的預(yù)處理
    3.1 數(shù)據(jù)介紹與分析
        3.1.1 數(shù)據(jù)來源
        3.1.2 數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)分析
    3.2 數(shù)據(jù)預(yù)處理
        3.2.0 數(shù)據(jù)獲取
        3.2.1 數(shù)據(jù)清洗
        3.2.2 數(shù)據(jù)轉(zhuǎn)化
    3.3 本章小結(jié)
4 基于多因素多任務(wù)的電單車行程時(shí)間預(yù)測(cè)模型設(shè)計(jì)
    4.1 多因素多任務(wù)模型的分層設(shè)計(jì)
        4.1.1 時(shí)空特征層
        4.1.2 多因素層
        4.1.3 多任務(wù)層
    4.2 模型的誤差評(píng)價(jià)標(biāo)準(zhǔn)
    4.3 本章小結(jié)
5 預(yù)測(cè)模型的實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)數(shù)據(jù)
    5.2 實(shí)驗(yàn)超參數(shù)的設(shè)定
    5.3 端到端實(shí)驗(yàn)過程
        5.3.1 訓(xùn)練階段
        5.3.2 測(cè)試階段
    5.4 預(yù)測(cè)模型實(shí)驗(yàn)結(jié)果
        5.4.1 模型分層縱向?qū)Ρ?br>        5.4.2 不同模型橫向?qū)Ρ?br>    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝



本文編號(hào)：3966758