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 电单车的相关研究
1.2.2 行程时间预测的相关研究
1.3 本文研究内容
1.4 本文组织结构
2 深度神经网络的基本理论与实现方法
2.1 深度神经网络基本理论
2.1.1 深度神经网络发展历程
2.1.2 卷积神经网络CNN
2.1.3 循环神经网络RNN
2.2 深度神经网络实现方法
2.2.1 网络优化方法
2.2.2 常用软硬件工具
2.3 本章小结
3 电单车行程数据的预处理
3.1 数据介绍与分析
3.1.1 数据来源
3.1.2 数据存储结构分析
3.2 数据预处理
3.2.1 数据获取
3.2.1 数据清洗
3.2.2 数据转化
3.3 本章小结
4 基于多因素多任务的电单车行程时间预测模型设计
4.1 多因素多任务模型的分层设计
4.1.1 时空特征层
4.1.2 多因素层
4.1.3 多任务层
4.2 模型的误差评价标准
4.3 本章小结
5 预测模型的实验结果与分析
5.1 实验环境与实验数据
5.2 实验超参数的设定
5.3 端到端实验过程
5.3.1 训练阶段
5.3.2 测试阶段
5.4 预测模型实验结果
5.4.1 模型分层纵向对比
5.4.2 不同模型横向对比
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 研究展望
参考文献
致谢
华中科技大学;