声明
1绪论
1.1研究背景与意义
1.2国内外研究现状
1.2.1交通网络拥堵预测研究现状
1.2.2交通流预测的神经网络算法研究现状
1.3本文主要研究内容
1.4本文组织结构
2短时交通流特性与建模
2.1短时交通流特征
2.2短时交通流量数据
2.3短时交通流预测方法
2.3.1预测评价指标
2.3.2 ARIMA预测模型
2.3.3灰度GM预测模型
2.3.4神经网络预测模型
2.4本章小结
3基于PageRank算法的交通拥堵预测研究
3.1 PageRank算法基础
3.2基于PageRank算法的交通拥堵预测算法
3.2.1交通网络与互联网网络相似性
3.2.2实验数据预处理
3.2.3城市交通网络模型研究
3.2.4模型求解与分析
3.3 实验结果与分析
3.4本章小结
4基于循环神经网络算法的短时交通流预测
4.1循环神经网络
4.1.1 RNN的网络结构
4.1.2 LSTM长短记忆网络模型
4.2 基于LSTM模型的短时交通流预测
4.2.1 实验数据与预处理
4.2.2 Vanilla LSTM预测模型
4.2.3 CNN-LSTM预测模型
4.2.4 LSTM演化的GRU预测模型
4.3实验结果及分析
4.4 本章小结
5 基于Spark的短时交通流数据分析系统实现
5.1 系统需求分析
5.2 系统主要功能模块
5.2.1系统数据处理模块
5.2.2系统拓展模块
5.3系统实现
5.4本章小结
6 总结和展望
6.1总结
6.2展望
致谢
参考文献
攻读学位期间主要研究成果
西安理工大学;