半封闭区域内泊位需求预测模型及应用研究

发布时间：2023-10-12 01:12

　　伴随着智慧城市的蓬勃发展,智能化停车技术作为智慧城市中的重要一环,正在被越来越多的专家学者所重视。目前停车场的管理水平较低,缺乏较好的泊位需求预测预警技术,遇到重大事件、特殊天气时容易造成区域范围内的交通拥堵。本文针对以上问题,利用历史数据,对半封闭区域进行泊位需求预测。本文用到的原始数据是杭州某大学校园三个月的车辆进出记录,本文所做工作以及得到的研究成果如下:(1)分析了校园内停车场有效泊位需求变化的规律,利用Kalman滤波器对泊位需求进行隔天预测,并通过增加泊位影响因素对该方法进行改进,得到了更高的准确度,证明了此方法的有效性。(2)为了进一步提高泊位需求预测的准确度,引入神经网络算法,先后利用BP神经网络和LSTM循环神经网络实现泊位需求的短时预测,实现对隔天预测的结果修正。实验结果表明,LSTM循环神经网络的预测效果明显优于BP神经网络。(3)本人先利用Java编写Kalman滤波预测模型,再利用TensorFlow实现两种神经网络预测模型并将结果存入MySQL数据库中,最后利用JFrame开发可视化界面,为管理者和用户提供直观的泊位需求预测结果。论文以提高区域内泊位利用率和...

【文章页数】：65 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
    1.2 国内外研究现状目前几种常见的停车需求模型介绍
    1.3 停车需求预测方面存在的难点问题
    1.4 创新思路和方向
        1.4.1 云数据架构的应用
        1.4.2 核心算法的应用
    1.5 研究目的及其研究内容
        1.5.1 研究目的
        1.5.2 研究内容
        1.5.3 论文章节安排
    1.6 本章小结
第2章 数据获取及数据预处理
    2.1 数据获取
    2.2 泊位需求变化分析
    2.3 数据预处理
        2.3.1 数据预处理方法
        2.3.2 数据预处理实现
    2.4 本章小结
第3章 基于Kalman滤波算法的泊位需求预测
    3.1 泊位需求预测与Kalman滤波器算法概述
    3.2 Kalman滤波预测原理
    3.3 基于Kalman滤波预测的泊位预测模型
    3.4 预测结果分析
    3.5 本章小结
第4章 基于神经网络的泊位需求短时预测
    4.1 泊位需求短时预测概述
    4.2 TensorFlow与keras简介
        4.2.1 TensorFlow简介
        4.2.2 Keras简介
    4.3 基于神经网络的泊位需求预测
        4.3.1 神经网络简介
        4.3.2 神经网络的应用
    4.4 BP神经网络预测
        4.4.1 BP神经网络数学原理
        4.4.2 基于BP神经网络模型的短时泊位需求预测
        4.4.3 基于BP神经网络模型的短时泊位预测结果分析
    4.5 循环神经网络预测
        4.5.1 循环神经网络简介
        4.5.2 LSTM循环神经网络预测原理
        4.5.3 LSTM循环神经网络的学习训练
        4.5.4 基于LSTM循环神经网络模型的泊位预测
        4.5.5 基于LSTM循环神经网络模型的泊位预测结果分析
    4.6 两种神经网络的比较
    4.7 泊位预测功能可视化界面设计
        4.7.1 泊位需求预测可视化界面功能
        4.7.2 泊位需求预测可视化界面功能测试
    4.8 本章小结
第5章 预测模型整体应用架构及其他场景拓展
    5.1 泊位需求预测模型拓展价值
    5.2 泊位需求预测模型整体应用架构
    5.3 其他场景拓展
        5.3.1 拓展场景一——大型宾馆、酒店
        5.3.2 拓展场景二——景区
        5.3.3 拓展场景三——医院
    5.4 本章小结
第6章 总结与展望
    6.1 论文主要研究工作
    6.2 未来展望
致谢
参考文献
附录



本文编号：3853154