组合知识图谱和深度学习的城市交通拥堵区域预测研究

发布时间：2021-04-29 15:49

　　交通拥堵在大中城市己日趋严重,导致了出行时间延迟和车辆污染排放显著增加。智能交通系统是缓解交通拥堵、提高出行安全的有效途径,城市交通拥堵预测是智能交通系统的关键技术之一。本文基于交通大数据,研究城市交通拥堵区域预测方法。论文的主要工作如下:1.地图匹配算法研究在城市交通拥堵区域预测模型研究中,需要使用公交轨迹数据和路段速度数据相结合来表征模型的标签,即是否发生拥堵,我们需要使用地图匹配算法处理轨迹数据将轨迹匹配至对应的路段上。为了提高匹配的准确率,引入了随机森林多分类的策略,将匹配问题作为分类问题看待,充分利用海量的历史轨迹数据。为了进一步加快匹配速度满足实时匹配的要求,本文利用分布式处理机制,提出了一种基于分布式随机森林多分类DRFMM的方法来处理轨迹数据的地图匹配问题。采用真实的合肥市路网和出租车轨迹数据表明,同经典的点线匹配算法和神经网络分类方法相比较,本文提出的基于分布式随机森林多分类的地图匹配算法DRFMM有效提高了匹配的准确度和速度。2.城市交通拥堵区域预测模型本文提出了一种结合知识图谱和时空卷积神经网络（KG-ST-CNN）协同预测城市拥堵区域的模型。具体而言,通过对多源... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 交通拥堵预测研究现状
        1.2.2 卷积神经网络方法研究现状
        1.2.3 知识图谱研究现状
    1.3 研究目标与内容
    1.4 论文组织结构
第2章 基本概念和理论
    2.1 交通流参数
        2.1.1 速度
        2.1.2 交通量
        2.1.3 密度
    2.2 交通状态衡量
    2.3 深度学习方法
        2.3.1 监督学习
        2.3.2 无监督学习
    2.4 本章小结
第3章 地图匹配算法研究
    3.1 地图匹配问题及定义
    3.2 经典地图匹配方法
        3.2.1 几何地图匹配算法
        3.2.2 拓扑地图匹配算法
    3.3 地图匹配的影响因素分析
    3.4 基于分布式随机森林多分类的地图匹配算法
        3.4.1 随机森林分类算法
        3.4.2 SPAR分布式平台
        3.4.3 路网数据网格化
        3.4.4 训练/测试样本特征提取
        3.4.5 匹配算法
    3.5 地图匹配实验
        3.5.1 数据介绍
        3.5.2 数据预处理
        3.5.3 地图匹配
    3.6 本章小结
第4章 城市交通拥堵区域预测模型
    4.1 城市知识图谱的意义和构建
    4.2 图神经网络
    4.3 时空相关性建模
    4.4 基于知识图谱与时空卷积神经网络的城市拥堵预测模型
    4.5 拥堵预测实验
        4.5.1 实验环境
        4.5.2 性能指标
        4.5.3 拥堵预测
    4.6 本章小结
第5章 城市交通拥堵区域预测系统设计与实现
    5.1 城市交通控制系统功能架构
    5.2 城市交通控制系统功能模块
        5.2.1 实时监控
        5.2.2 决策分析
        5.2.3 智能优化
        5.2.4 系统管理
    5.3 城市交通拥堵区域预测系统实现
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果


【参考文献】：
期刊论文
[1]一种适用于复杂城市路网的浮动车实时地图匹配技术[J]. 朱丽云,郭继孚,温慧敏,孙建平,陈锋.  交通与计算机. 2007(06)
[2]基于状态空间模型的道路交通状态多点时间序列预测[J]. 姚智胜,邵春福.  中国公路学报. 2007(04)

硕士论文
[1]大数据平台下地图匹配算法的研究与实现[D]. 张文.北京邮电大学 2017
[2]基于分布式计算的SVM算法优化[D]. 郭欣欣.西安电子科技大学 2014
[3]基于浮动车数据的城市快速路短时交通状态预测的研究[D]. 张菁菁.北京交通大学 2012
[4]大规模浮动车数据处理的研究与实现[D]. 杨喆.中国科学技术大学 2010



本文编号：3167743