發(fā)布時間：2020-04-10 22:57

【摘要】：隨著社會經(jīng)濟(jì)的高速發(fā)展,機(jī)動車保有量的急劇增加,導(dǎo)致城市交通系統(tǒng)供需矛盾越來越嚴(yán)重,以至于城市道路的建設(shè)措施遠(yuǎn)遠(yuǎn)不能滿足其增長不斷的出行需求,進(jìn)而出現(xiàn)了各種交通問題。智能交通系統(tǒng)的應(yīng)用在城市道路動態(tài)交通管理當(dāng)中起到了關(guān)鍵性的作用,而交通流預(yù)測作為智能交通系統(tǒng)中的核心技術(shù),有效地緩解了嚴(yán)重的交通擁堵問題。因此,科學(xué)、準(zhǔn)確的預(yù)測城市道路的交通流量具有學(xué)術(shù)價值和現(xiàn)實(shí)意義。針對目前本研究領(lǐng)域中對交通流時序數(shù)據(jù)分析的復(fù)雜性和高度不確定性等問題,本文應(yīng)用深度學(xué)習(xí)對非結(jié)構(gòu)化時序數(shù)據(jù)分析的優(yōu)勢,提出了一種基于改進(jìn)的深度置信網(wǎng)絡(luò)的城市道路交通流預(yù)測方法,并且又針對受限玻爾茲曼機(jī)只接受二進(jìn)制輸入而導(dǎo)致數(shù)據(jù)丟失以及其在訓(xùn)練網(wǎng)絡(luò)模型參數(shù)時收斂速度緩慢的問題,進(jìn)一步提出了一種在改進(jìn)的深度置信網(wǎng)絡(luò)的基礎(chǔ)上引入自適應(yīng)學(xué)習(xí)步長的城市道路交通流預(yù)測方法。首先針對交通流數(shù)據(jù)的分析復(fù)雜性問題,提出了一種將交通流時間序列數(shù)據(jù)轉(zhuǎn)化為非結(jié)構(gòu)化時間序列數(shù)據(jù)的數(shù)據(jù)預(yù)處理方法。然后針對預(yù)處理后的非結(jié)構(gòu)化數(shù)據(jù)應(yīng)用改進(jìn)的深度置信網(wǎng)絡(luò)進(jìn)行預(yù)測方法的訓(xùn)練及交通流的預(yù)測。本文的預(yù)測模型是結(jié)合受限玻爾茲曼機(jī)和連續(xù)受限玻爾茲曼機(jī)來負(fù)責(zé)模型的無監(jiān)督學(xué)習(xí),使用BP神經(jīng)網(wǎng)絡(luò)來負(fù)責(zé)模型的監(jiān)督學(xué)習(xí),經(jīng)過不斷地測試和調(diào)整模型參數(shù),使得整個預(yù)測模型的預(yù)測誤差達(dá)到收斂來完成預(yù)測模型的訓(xùn)練,進(jìn)而利用預(yù)處理后的非結(jié)構(gòu)化時序數(shù)據(jù)預(yù)測出交通流量。最后分別使用傳統(tǒng)深度置信網(wǎng)絡(luò)和改進(jìn)后的深度置信網(wǎng)絡(luò)對非結(jié)構(gòu)化的交通流數(shù)據(jù)進(jìn)行預(yù)測,實(shí)驗(yàn)結(jié)果表明,引入自適應(yīng)學(xué)習(xí)步長的改進(jìn)的深度置信網(wǎng)絡(luò)的城市道路交通流預(yù)測模型具有較高的預(yù)測準(zhǔn)確率,能夠較為有效地處理城市道路交通流量的預(yù)測問題。
【圖文】：

所提出的基于 CRBM-DBN(ALS)的交通流預(yù)測模型的建立以數(shù)據(jù)預(yù)處理使用的山東省淄博市的出租車 GPS 數(shù)據(jù)里面并沒有包含交通了獲取城市道路的車流量數(shù)據(jù)，本文首先提出了利用 ArcGIS 來獲取交通流量信息，并將獲得的交通流量信息與其對應(yīng)的時流時間序列數(shù)據(jù)；然后由于交通流時間序列數(shù)據(jù)的分析過于復(fù)，因此，本文提出了將交通流時間序列數(shù)據(jù)轉(zhuǎn)化為非結(jié)構(gòu)化時；最后，對轉(zhuǎn)換得到的非結(jié)構(gòu)化時間序列數(shù)據(jù)進(jìn)行了歸一化處GIS 獲取 GPS 車流量數(shù)據(jù)博市出租車的原始 GPS 數(shù)據(jù)信息，利用 ArcGIS 平臺來獲取每信息，即使用該平臺的漁網(wǎng)空間連接功能對地圖進(jìn)行網(wǎng)格化，PS 點(diǎn)信息統(tǒng)計在一起，并得到其對應(yīng)時間段的交通流量信息淄博市的臨淄區(qū)和張店區(qū)。ArcGIS 網(wǎng)格化示意圖如圖 4.1 所示

這些交通流數(shù)據(jù)的分析，統(tǒng)計出每個對應(yīng)時間段內(nèi)的交通流數(shù)序列數(shù)據(jù)。數(shù)據(jù)轉(zhuǎn)化為非結(jié)構(gòu)化時序數(shù)據(jù)流時間序列數(shù)據(jù)的研究分析中通常會碰到一些復(fù)雜性極高的非很難有效利用這些復(fù)雜的非線性函數(shù)，并且如果直接將交通流模型中，就會導(dǎo)致深度置信網(wǎng)絡(luò)學(xué)習(xí)算法的發(fā)散，不能有效地整體規(guī)律。目前對于深度置信網(wǎng)絡(luò)模型的研究應(yīng)用在圖像識別領(lǐng)域中具有本文嘗試采用改進(jìn)深度置信網(wǎng)絡(luò)模型輸入數(shù)據(jù)的形式，即把利的交通流時間序列數(shù)據(jù)轉(zhuǎn)換為對應(yīng)的非結(jié)構(gòu)化時間序列數(shù)據(jù)，，時序數(shù)據(jù)提取出特征，并對不同狀態(tài)的交通流時序數(shù)據(jù)的曲線的復(fù)雜數(shù)學(xué)函數(shù)模型轉(zhuǎn)換為對應(yīng)圖像識別的像素模型，從而提性。在本文研究中，將交通流時序數(shù)據(jù)轉(zhuǎn)化為 28×28 像素的2 所示。
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U491.14;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 劉靜,關(guān)偉;交通流預(yù)測方法綜述[J];公路交通科技;2004年03期

2 王正武,黃中祥;短時交通流預(yù)測模型的分析與評價[J];系統(tǒng)工程;2003年06期

本文編號：2622810