基于深度神经网络的短时客流量预测

发布时间：2020-04-25 08:03

【摘要】：随着城市经济和交通行业的发展,人们对于机动车的需求急剧上升。然而随之产生的交通拥堵和空气污染等问题也日趋严重。公共交通,特别是公共汽车交通,被认为是减少私家车使用和燃料消耗,减轻交通拥堵的一种有效的方法。但是,在高峰期及节假日期间,公交车拥挤现象十分严重,减少了人们对于公交车出行的热情。及时、准确的客流量信息对交通疏导分流,减少出行时间及缓解拥堵现象都具有重要意义。而目前客流量预测方法大多基于浅层模型,本质是孤立地通过统计方法得到特征表达,无法对特征关系进行深度挖掘,往往难以实现准确地预测。深度神经网络,因其强大的特征学习能力,被广泛的应用在图像处理、语音识别等领域,却很少应用在客流量预测方面。所以本文针对目前现有的客流量预测方法预测精度不足等缺点,提出基于深度神经网络的客流量预测方法。本文在对实时采集的客流数据分析的基础上,利用客流量自身的规律性对客流量的特征进行挖掘与提取,建立特征模型,实现对短时客流量的预测。本文的主要研究工作如下:第一,结合了客流量的参数及特性并对其进行优化,清洗错误数据,提高预测模型的精确度。第二,本文将原有的深度学习模型进行改进,并提出新的基于深层网络的预测模型。相较于其他浅层模型,本文所提出的深层模型更注重数据的本质特征,并且模型的预测效果更优。第三,本文第一次将变分自编码模型应用在时间序列的预测上,并且相较于传统深层模型有更高的精度。使其具有更广泛的应用空间。
【图文】：

普适性,基本步骤,数据挖掘,数据挖掘算法

区域是否有公交线路增加计划，也影响着未来公是针对公交运行时间、换乘信息等是否完善，完上对人们出行的意愿有着积极的影响。主要是基于这些影响因素，来对特征的进行手，生成统计模型，从而实现客流量的预测。目前多是采用数据挖掘算法的预测方法。它能够自动动的方法对这些数据进行建模从而提取出有用

神经元模型,函数表达式,激活函数

图 2.3 神经元模型将该神经元的输入设为 = ( , … ) ，每个输入所连接的权重为w ,w …w ，神经元的输出为 y。其输出是输入通过权重作为系数加权求和，并通过偏置进行控制，最后经过激活函数所得到的，其公式可表示为：= + b (2.1)式（2.1）中，b 为偏置，，为激活函数，通常激活函数有如下三种类型：(1)sigmoid 函数，其作用是将数据输出到[0,1]的范围之间，函数表达式为：( ) = g(θ ) =11 +(2.2)(2)线性函数，作用是对输入进行线性放大，函数表达式为：( ) = a + b (2.3)(3)阶跃函数，作用是将数据输出到 0 或 1，函数表达式为：( ) =01≥ 00(2.4)
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP183;U491.1

【参考文献】