【摘要】：在交通管理以及公共安全領域,交通流量的預測成為越來越重要的一個研究方向。從微觀層面,地圖導航APP可以通過實時流量預測推送暢通的路線給用戶,節(jié)約用戶出行時間,提升用戶體驗。從宏觀層面,根據(jù)歷史位置信息獲得的城市區(qū)域流量變化情況,由此預測未來時刻城市區(qū)域流量變化,這對于城市規(guī)劃、交通管理以及公共安全有著重要的意義。目前關于交通流量的預測普遍采用的數(shù)據(jù)是全球定位系統(tǒng)(GPS)定位數(shù)據(jù),這類數(shù)據(jù)定位精確但是覆蓋范圍以及獲取方式有限,一般通過志愿者攜帶定位設備、或浮動車采集獲得。而與GPS數(shù)據(jù)相比,本文采用的手機信令數(shù)據(jù)是通過蜂窩通信基站定位系統(tǒng)采集,盡管該類數(shù)據(jù)定位誤差較大,精度較低,但其具有樣本量大,獲取成本低,實時性,覆蓋范圍廣等特點。因此基于手機信令數(shù)據(jù)的區(qū)域流量提取及預測技術有著重要研究價值以及應用價值。論文首先對手機信令數(shù)據(jù)的產(chǎn)生原理進行分析。并在此基礎上對手機信令數(shù)據(jù)定位方式產(chǎn)生的誤差數(shù)據(jù)(乒乓切換、漂移、重復值)進行合理有效的預處理。為了刻畫區(qū)域流量,論文提出了一種基于網(wǎng)格密度的區(qū)域流量提取方法。該方法首先對城市區(qū)域進行網(wǎng)格化處理,利用網(wǎng)格流量提取算法獲取各網(wǎng)格流量。之后根據(jù)各網(wǎng)格流量密度特征,對區(qū)域生長算法進行改進,獲得基于網(wǎng)格密度的區(qū)域生長算法,最后利用該算法獲得區(qū)域流量作為后續(xù)流量預測模型輸入。其次,論文在分析手機信令數(shù)據(jù)的時序特征的基礎上,結合區(qū)域流量提取結果,綜合考慮神經(jīng)網(wǎng)絡在時間序列預測方面的優(yōu)勢,論文提出了利用LSTM循環(huán)神經(jīng)網(wǎng)絡建立區(qū)域流量預測模型。論文對LSTM神經(jīng)網(wǎng)絡進行了改進,除了輸入層、隱藏層、輸出層之外,通過增加一層網(wǎng)絡結構用以輸入城市區(qū)域的空間特性,改善流量預測效果。最后,論文采用真實的手機信令數(shù)據(jù)進行實驗驗證,將本文所提出的預測模型與傳統(tǒng)的時間序列預測模型進行對比。論文的實驗分析結果表明,與傳統(tǒng)的流量預測模型相比,基于LSTM循環(huán)神經(jīng)網(wǎng)絡的區(qū)域流量預測模型的預測精度有所提升。論文的相關分析工作對后續(xù)深入研究基于手機信令數(shù)據(jù)高效的區(qū)域流量預測技術具有一定的參考和借鑒價值。
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U491.14

【參考文獻】

相關期刊論文 前8條

1 黃曉燕;錢芳;;基于位置服務LBS定位系統(tǒng)的分析[J];集成電路應用;2017年11期

2 康雨豪;王sパ，

本文編號：2599982