基于深度学习的交通时间预测模型与方法研究

发布时间：2020-07-12 13:50

【摘要】：近年来,路网中车辆数目的增长加剧了交通状况的不确定性,智能交通系统中的交通预测面临着新的挑战。基于深度学习的模型具有较强的依赖关系建模、提取特征的能力,在许多领域中得以广泛应用。但是其在交通预测领域中还存在以下几点问题:长短期记忆网络预测模型利用循环记忆,实现长期依赖建模,这种方法难以反映出每个历史交通数据点和预测信息之间的依赖关系;基于卷积神经网络的交通预测模型,通过卷积矩阵中相邻元素,对交通预测中的依赖关系进行建模,卷积所采用的局部接受域难以反映每个历史交通数据点和预测信息之间的依赖关系;在传统卷积神经网络中,卷积结果和预测信息之间的依赖关系,是通过全连接层实现的,这种实现方法没有对卷积结果进行自适应关注,特征利用不充分。为了解决上述问题,本文基于长短期记忆网络、卷积神经网络和注意力机制等深度学习技术,研究交通信息的依赖关系建模方法,进行交通时间预测。论文的主要研究内容和研究成果概括如下:(1)提出了一种基于长短期记忆网络和注意力机制的预测模型。在对历史交通数据点和预测信息之间依赖关系验证的基础上,基于注意力机制构造网络的深度,实现交通数据中的长期依赖关系的建模。对比实验结果表明,该模型与现有的长短期记忆网络和其他基线方法相比,具有较好的预测效果。案例研究表明,注意力机制可对历史交通数据或特征有自适应关注,实现对数据或特征有效利用。(2)提出了一种用于卷积神经网络的、限定历史交通数据点与预测信息之间依赖关系的新方法,即新的局部接受域。基于新的局部接受域,提出了一种基于卷积神经网络的单路段预测模型。该模型在时间维度上使用新的局部接受域,限定历史交通数据点与预测信息之间的依赖关系。对比实验结果表明,该模型与传统卷积神经网络和其他基线方法相比,具有较好的预测效果。在一定数量的路段上,对比该模型和传统卷积神经网络,实验结果显示了局部接受域的有效性。进一步的实验验证了,新的局部接受域可以反映输入序列中每个历史数据点和预测信息之间的依赖关系。基于新的局部接受域,提出了一种基于卷积神经网络的多路段预测模型。在对多路段上的历史交通数据点和预测信息之间依赖关系验证的基础上,基于多路段上的交通数据产生新的局部接受域,在时间维度和空间维度上限定历史交通数据点和预测信息之间依赖关系,通过卷积神经网络对新的局部接受域进行卷积,提取交通数据中的特征,进行交通时间预测。对比实验结果表明,该模型与传统卷积神经网络、单路段上的预测模型以及其他基线方法相比具有较好的预测效果。(3)提出了一种基于卷积组件和注意力机制的预测模型。该模型在卷积组件产生的卷积结果上使用注意力机制,实现对卷积结果的自适应关注,建立卷积结果和预测值之间的依赖关系。在随机选择的47个路段的交通数据上进行训练和测试,对比实验结果表明,该方法与传统卷积神经网络、基于卷积神经网络的单路段预测模型、基于卷积神经网络的多路段预测模型以及其他基线方法相比,均提高了预测精确度。
【学位授予单位】：北京科技大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP183;U491.14

【相似文献】

相关期刊论文 前10条

1 凌云;王建东;;浅析4~#高炉的炉缸侵蚀预测模型[J];南钢科技与管理;2007年03期

2 谷鸿秋;王俊峰;章仲恒;周支瑞;;临床预测模型:模型的建立[J];中国循证心血管医学杂志;2019年01期

3 周媛;叶烨;王新彦;周宏根;王筱蓉;;零转弯半径割草机连续翻滚特性参数化预测模型[J];农机化研究;2018年01期

4 刘洪太;郭云霞;;基于情景数据的火灾预测模型设计与实现[J];科技创新与应用;2018年26期

5 王伟卿;;灰色预测模型在预测话音网关故障中的研究与应用[J];计算机测量与控制;2016年11期

6 韩文倩;;灰色预测模型在山东省保费预测中的应用[J];保险职业学院学报;2017年01期

7 杨萌;;基于灰色预测模型的山西省批发零售业人员需求分析[J];数学的实践与认识;2017年04期

8 崔剑;巴合提努尔·巴赞;李书钦;;烧结过程SO_2排放预测模型研究[J];资源节约与环保;2017年08期

9 张春涛;关文忠;刘学飞;;混沌时间序列的2阶预测模型[J];数学的实践与认识;2016年05期

10 夏静;;建设项目环境影响评价预测模型发展现状[J];绿色科技;2016年08期

相关会议论文 前10条

1 匡启帆;李益洲;李梦龙;;对于药物不良反应预测模型的系统研究[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

2 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

3 王坤龙;;天津地区雾霾的成因及预测模型建立的研究[A];科学发展·协同创新·共筑梦想——天津市社会科学界第十届学术年会优秀论文集（中）[C];2014年

4 郭庆春;;基于人工神经网络的空气污染指数预测模型[A];Proceedings of Conference on Environmental Pollution and Public Health（CEPPH 2012）[C];2012年

5 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

6 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

7 何彭君;;事故预测模型的建立与应用[A];安全责任与素养提升的实践研究——2017安全科学与工程技术研讨会论文集[C];2017年

8 李阳旭;邓辉文;;一种新的企业市场预测模型及其比较研究[A];2004年中国管理科学学术会议论文集[C];2004年

9 张晓f^;;全球煤炭产量的灰色预测模型[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

10 曾练平;燕良轼;;大学师范生可就业能力预测模型的建构[A];增强心理学服务社会的意识和功能——中国心理学会成立90周年纪念大会暨第十四届全国心理学学术会议论文摘要集[C];2011年

相关重要报纸文章 前10条

1 记者 黄辛;上海交通大学 提出基于信号通路的肝癌风险预测模型[N];中国科学报;2019年

2 记者 康民;全球首个流感预测模型落户重庆[N];中国保险报;2017年

3 北京大学肿瘤医院 刘晨;筛查食管癌有了风险预测模型[N];健康报;2017年

4 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年

5 本报记者 张超;预测模型：推算SARS起落潮[N];科技日报;2003年

6 刘庆;“预测模型”要缓行[N];网络世界;2006年

7 记者 华凌;颗粒物成云新理论有助改进预测模型[N];科技日报;2015年

8 四川农业大学 王立志 贾刚 王康宁;饲料有效磷的评定及预测模型的“雏形”[N];中国畜牧兽医报;2006年

9 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年

10 中兴通讯 曾志 杨毅;建立移动用户流失分析预测模型[N];通信产业报;2014年

相关博士学位论文 前10条

1 李金金;天津市慢性病队列研究及风险预测模型的建立[D];天津医科大学;2018年

2 陈玲;孕期及产后压力性尿失禁风险预测模型的构建、验证及应用[D];南方医科大学;2018年

3 云科;MSM人群HIV感染风险预测模型的建立及应用[D];中国医科大学;2018年

4 林开阳;急诊经皮冠状动脉介入术后对比剂肾病的危险因素分析及风险预测模型构建[D];南方医科大学;2018年

5 支元杰;大气环境下小样本金属材料腐蚀的数据驱动预测模型[D];北京科技大学;2019年

6 冉祥栋;基于深度学习的交通时间预测模型与方法研究[D];北京科技大学;2019年

7 胡姗姗;药物互作数据的挖掘与预测研究[D];安徽大学;2019年

8 沈思鹏;基于生存结局的多组学预测模型统计学方法研究与应用[D];南京医科大学;2019年

9 徐丽华;精神病高危综合征转化的风险预测模型与神经生物学标志研究[D];上海交通大学;2017年

10 杭俊杰;胰腺癌预后相关的炎性标志物及预测模型建立[D];上海交通大学;2017年

相关硕士学位论文 前10条

1 于颖慧;我国手足口病流行特征及预测模型的建立[D];吉林大学;2019年

2 姚珂;基于情感分析的评分预测模型的建立与优化[D];长江大学;2019年

3 肖艳杰;轨道交通客流预测模型优化及应用研究[D];武汉理工大学;2018年

4 赖众q

本文编号：2752046