基于实时位置服务的动态路径规划算法研究

发布时间：2021-11-26 16:47

　　随着交通大数据到来,交通数据的采集和分析更加容易,各种移动终端产生的实时位置、交通流量及行驶速度数据等已成为交通大数据的重要来源。为了有效利用交通数据,以提供准确、及时的路况信息反馈和预测为路径规划服务,开展了基于实时位置服务的动态路径规划算法研究。本文的研究方法与成果如下:（1）基于卷积神经网络的短时交通流预测模型针对短时交通流数据具有高度非线性、时变、不确定性和时空相关性等特点,提出了一种基于时空特征的卷积神经网络（Convolutional Neural Networks,CNN）预测模型。该模型由两个卷积池化层和三个全连接层组成,以便自动提取交通流的时空特征,并将其转换为二维特征矩阵,CNN学习这些特征以优化预测模型。通过将预测结果与实际数据比较,评估该方法的有效性,还与其他模型进行评估比较。结果表明,CNN在精度上优于长短期记忆网络和门控循环单元。（2）考虑短时交通流预测的动态路径规划算法为了动态适应交通状况以避开交通拥堵、减少旅行时间,提出了一种利用短时交通流预测信息的动态路径规划算法。该算法是在短时交通流数据和实时交通信息的预测模型上,将预测的行驶速度与城市路网权重相结合... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

短时交通流预测问题通常，将时间段5~15min的交通流预测叫做短时预测

卷积神经网络主要组成示意图

基于实时位置服务的动态路径规划算法研究-26-例如，卷积层Conv1的输出特征图的大小为16×16，在使用2×2时，步长为2的卷积核，经过Pool层的池化计算后，输出特征图的大小为8×8。（3）全连接层的构建CNN的完全连接层与ANN的连接相似，因为每个神经元都连接到最后一层的所有神经元。全连接层在特征提取和输出之间建立了函数功能关系，即利用提取的特征进行预测的过程。文中全连接层使用的激活函数为函数，在卷积层和池化层输出的数据中包含原始数据中最突出的特征。2）CNN预测模型的评价指标文中选取了回归问题常用的评价指标：均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、决定系数R2-score来对CNN预测模型的精度进行评估。=1∑()2=1（3.4）=√1∑()2=1（3.5）=1∑||=1（3.6）=100∑||=1（3.7）在上述公式中，是观测站点交通流的预测值，是对应的交通流真实值，为预测值的数量。MSE、RMSE、MAE、MAPE的值越小，决定系数R2越接近1，说明预测模型的精度越高。图3.4预测模型结构图

【参考文献】：
期刊论文
[1]短时交通流预测模型综述[J]. 赵宏,翟冬梅,石朝辉.  都市快轨交通. 2019(04)
[2]大型网络中容量受限的疏散路径规划方法[J]. 王亮,王润泽,陶坤旺.  测绘科学. 2019(06)
[3]蚁群算法研究与应用的新进展[J]. 覃远年,梁仲华.  计算机工程与科学. 2019(01)
[4]一种兼顾全局与局部特性的机器人动态路径规划算法[J]. 张旭,程传奇,郝向阳,李建胜,胡鹏.  测绘科学技术学报. 2018(03)
[5]一种多出口室内应急疏散路径规划算法[J]. 韩李涛,郭欢,张海思.  测绘科学. 2018(12)
[6]时变公路网络的动态路径规划算法[J]. 许祎娜,王旭仁,苏红莉.  小型微型计算机系统. 2018(06)
[7]基于FOA-RBF网络的城市道路短时交通流预测[J]. 陈明猜,於东军,戚湧.  南京邮电大学学报(自然科学版). 2018(02)
[8]基于交通拥堵指数的蚁群改进算法研究[J]. 李枭,赵文君.  软件导刊. 2018(03)
[9]最短路问题的Floyd算法优化及分析[J]. 张岩,杨龙.  信息技术. 2017(10)
[10]节点约束型最短路径的分层Dijkstra算法[J]. 康文雄,许耀钊.  华南理工大学学报(自然科学版). 2017(01)

硕士论文
[1]基于短时交通流预测的动态路径选择问题研究[D]. 李治.兰州交通大学 2018
[2]面向短时交通流量预测的神经网络算法研究[D]. 林海涛.南京邮电大学 2016
[3]时间限制下动态路网路径规划算法的研究与实现[D]. 程思敏.中国科学技术大学 2015



本文编号：3520552