当前位置:主页 > 科技论文 > 软件论文 >

基于车位预测模型的停车场推荐系统的研究与设计

发布时间:2021-11-02 12:14
  现实生活中,车位使用情况受各种条件影响导致无法精确预测。通过研究车位空闲率,提高其预测精度,使诱导系统总体服务代价最小具有重要意义。本文主要包括:首先,为了提高停车场车位空闲率预测精度,建立组合模型(小波分解自适应卡尔曼滤波-神经网络预测模型)。该方法是将车位空闲率序列进行小波分解,得到高频序列与低频序列信号,低频序列信号使用自适应卡尔曼滤波预测模型来展开研究并预测,高频序列信号采用神经网络模型展开研究并预测,最后将两个频率上的预测结果进行融合,得到最终的预测序列,实验得出此组合模型预测效果更优。其次,为解决停车场容错性问题,本文提出基于马尔科夫链的停车场间联合预测模型。首先通过目标停车场找出其可接受距离范围内的停车场集合。对于该集合的停车场,通过马尔科夫模型构造马尔科夫链,生成对应的转移矩阵,将短时预测的行向量发送给目标停车场代理进行计算累计预测,同时能增加停到车的概率。再者,建立离差最大化多属性决策算法来进行最终的推荐。利用6种属性值作为指标,并将这些指标分为不同类型来分析,其中指标停车可行性的值来源于基于小波分解自适应卡尔曼滤波-神经网络预测模型预测之后的值,指标停车容错性的值来... 

【文章来源】:重庆邮电大学重庆市

【文章页数】:67 页

【学位级别】:硕士

【文章目录】:
摘要
abstract
第1章 引言
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 停车场车位预测现状
        1.2.2 停车诱导系统
    1.3 问题分析
    1.4 论文结构
第2章 相关技术分析
    2.1 预测相关技术
        2.1.1 马尔科夫链预测模型
        2.1.2 灰色预测模型
    2.2 离差最大化多属性决策模型
    2.3 本章小结
第3章 组合预测模型
    3.1 模型选取
    3.2 基于小波分解自适应卡尔曼滤波-神经网络预测模型
        3.2.1 预测模型设计
        3.2.2 小波分析
        3.2.3 自适应卡尔曼滤波预测模型
        3.2.4 BP神经网络预测模型
        3.2.5 数据融合
    3.3 仿真分析
        3.3.1 精度检测
        3.3.2 实验结果分析
    3.4 本章小结
第4章 基于马尔科夫链的停车场间联合预测模型
    4.1 模型总体架构设计
    4.2 联合预测模型构建
    4.3 实验分析
        4.3.1 实验方法选取
        4.3.2 实验结果分析
    4.4 多属性决策分析
    4.5 本章小结
第5章 客户端实现与系统测试
    5.1 系统设计
        5.1.1 系统架构设计
        5.1.2 数据库设计
    5.2 服务端设计
        5.2.1 技术介绍与选型
        5.2.2 注册登录功能设计
        5.2.3 数据采集功能接口
        5.2.4 预测功能设计与决策功能设计
        5.2.5 定位与路径规划功能
    5.3 Android端设计
        5.3.1 技术介绍与选型
        5.3.2 界面设计
        5.3.3 请求数据与数据解析设计
    5.4 功能实现与测试
        5.4.1 服务器端软件测试
        5.4.2 前端界面测试
    5.5 本章小结
第6章 总结与展望
    6.1 主要工作与创新点
    6.2 后续研究工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】:
期刊论文
[1]基于小波智能模型的地铁车站基坑变形时序预测分析[J]. 郭健,陈健,胡杨.  岩土力学. 2020(S1)
[2]基于小波分析和ARIMA模型的假期客流量预测分析[J]. 邓慧琼,陈怀娜,曾毓芬,连宗胜,周燕.  中国新通信. 2019(21)
[3]基于滑动窗口-小波提升对地电场预测算法[J]. 顾涛.  计算机工程与设计. 2019(10)
[4]一种基于高斯过程回归模型的错峰用电负荷预测方法[J]. 吴裕宙.  计算机时代. 2019(02)
[5]灰色马尔可夫预测模型和加权加增长率移动平均法预测精度的比较[J]. 刘璞,王萌,马苓,石盛卿.  统计与决策. 2018(22)
[6]大型停车场空闲车位短时预测方法[J]. 佘飞,邱建东,汤旻安.  计算机应用研究. 2019(03)
[7]医院周边闲置停车位预测研究——基于马尔科夫灰色预测模型[J]. 施念梓,谢翔.  计算机产品与流通. 2017(11)
[8]城市停车场实时车位获取与分配研究[J]. 刘典,张飞舟.  计算机工程与应用. 2017(07)
[9]基于小波-ELM神经网络的短期停车泊位预测[J]. 陈海鹏,图晓航,王玉,郑金宇.  吉林大学学报(理学版). 2017(02)
[10]基于马尔柯夫预测模型的智能停车有效泊位预测研究[J]. 韩二锋.  价值工程. 2016(06)

博士论文
[1]大城市停车诱导系统设计方法的研究[D]. 王泽河.中国农业大学 2005

硕士论文
[1]基于百度地图的停车诱导系统[D]. 王旭.山东建筑大学 2019
[2]基于V2X的智慧停车信息管理平台研究与设计[D]. 文方波.重庆邮电大学 2019
[3]基于微信小程序的地下停车场智能停车系统设计[D]. 吴琪.中国矿业大学 2019
[4]火电机组控制系统方差性能评价及参数优化[D]. 李世博.华北电力大学 2018
[5]结合车位预测的智能停车系统的研究[D]. 李俊.四川师范大学 2017
[6]智能停车场短时泊车位预测的研究[D]. 张金梦.重庆大学 2017
[7]车位预约算法及App设计[D]. 赵飞.山东建筑大学 2017
[8]基于用户情境的个性化推荐系统设计与实现[D]. 许植尧.内蒙古大学 2016
[9]智能停车场管理信息系统集成技术的研究及应用[D]. 刘宁.电子科技大学 2010



本文编号:3471963

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3471963.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户01958***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com