声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状综述
1.3 研究主要内容
1.4 本文组织结构
2 基础理论与相关技术
2.1 交通流参数
2.2 深度学习方法
2.3 本章小结
3 交通拥堵识别模型与城市交通数据处理
3.1 交通拥堵识别模型框架
3.2 交通拥堵识别方法
3.3 城市交通数据介绍
3.4 出租车GPS数据预处理
3.5 交通拥堵识别结果
3.6 本章小结
4 基于深度学习的短时交通拥堵预测模型
4.1 堆叠自动编码器
4.2 短时交通拥堵预测框架
4.3 交通流参数分布特性
4.4 基于SAE的短时交通量预测模型
4.5 基于SAE的短时交通速度预测模型
4.6 本章小结
5 实验分析
5.1 实验环境
5.2 性能指标
5.3 基于SAE的短时交通量预测算法
5.4 基于SAE的短时平均速度预测算法
5.5 短时交通拥堵预测结果
5.6 本章小结
结论
参考文献
附录A 交通拥堵识别结果图
附录B 交通量时空分布特性结果图
附录C 平均速度时空分布特性结果图
附录D 交通量预测结果图
附录E 平均速度预测结果图
附录F 交通拥堵等级预测结果图
攻读硕士学位期间发表学术论文情况
致谢