轨迹数据驱动的交通路况预测技术研究

发布时间：2021-12-29 01:18

　　近年来,我国社会经济飞速发展,在城市化进程加快的同时,城市人口和车辆也急剧增加,由此导致的交通拥堵问题也越发严重。为了全面提升交通运输效率,缓解交通拥堵所带来的各种影响,城市道路级交通路况的精准预测显得尤为重要。目前,大规模轨迹数据被企业采集并持久化存储,这些数据不但刻画了交通网络的实时状态,更蕴含着路况演化的模式规律,这为交通路况分析提供了前所未有的机遇。对此,本文主要研究了以轨迹数据为驱动的交通路况预测技术,希望能够借助轨迹数据,对整个城市的道路级交通路况做出精准预测。城市道路级的交通路况预测不仅需要考虑时间上的变化模式,更需要关注在路网空间上的演化模式。同时交通路况数据往往还带有周期性规律,并且容易受外界环境如天气、节假日等因素的影响。这些复杂的规律和模式不能被简单规则所描述,也难以被传统的方法所刻画。而深度学习对复杂的事物具有高度的表征刻画能力,但是现有方法往往忽略了路网结构以及其他因素带来的潜在影响。针对交通路况的复杂多变,本文构建了一种新的深度网络模型。该模型同时考虑时空变化和城市路网的拓扑结构,通过路网内嵌的方式来学习近期内的时空演化特征,并且依靠周期性特征和环境特征来纠... 

【文章来源】：苏州大学江苏省 211工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图２－２?ＧＰＳ轨迹噪点示意图??

图２－３?ＩＶＭＭ算法流程图??

图２－４候选集生成示例图

【参考文献】：
期刊论文
[1]轨迹大数据:数据、应用与技术现状[J]. 许佳捷,郑凯,池明旻,朱扬勇,禹晓辉,周晓方.  通信学报. 2015(12)
[2]现代城市交通面临的问题及对策研究[J]. 向乐.  企业技术开发. 2015(01)
[3]基于微观变量的交通流算法研究[J]. 卫小伟,巨永锋.  计算机科学. 2013(09)

硕士论文
[1]基于元胞自动机和模糊推理的交通流模型研究[D]. 张笑梅.大连理工大学 2013



本文编号：3555109