高速路网交通流预测分析方法的研究与实现

发布时间：2021-10-10 02:58

　　高速路网是推动国民经济和社会发展的重大基础设施,我国高速公路建设起步较晚,但发展很快,目前已建成高速公路里程突破13万公里,总里程居世界首位。保障高速路网的安全运行和管理效率对我国国民经济和社会平稳发展具有重要作用。交通流量预测智慧交通领域的基础性工作,采用数据智能方法提高流量的预测精度日益受到学者关注。本文立足我国高速路网交通流量预测,针对目前数据单一,存量数据不足等问题,采用深度学习神经网络方法,从数据预处理,数据特征扩展、网络预测模型设计与优化等方面开展研究工作,设计并实现了高速路网交通流的预测,主要内容包括:1.针对于交通流原始数据特征单一的问题,通过机器学习的手段对高速路网数据集进行多特征扩展。在多特征扩展中,针对路网空间特征的提取,设计了改进的基于层次的时间序列聚类方法,提高了交通流数据的聚类效果,有效的区分了高速路网中流量变化特点不同的节点集合。2.针对节点时空特性,设计了卷积与LSTM相结合的交通流预测深度网络模型。模型利用卷积的特性和LSTM在时序处理上的优势,有效的将节点的局部空间特性加入网络进行时序预测。实验证明,模型在保证局部空间结构单一的节点预测精度的情况下,... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

样本空间的数据分布

不同划分与最佳划分示例

卷积运算示意图


本文编号：3427512