基于机器学习的城市交通大数据的研究与应用

目录

1 绪论

1.1课题研究背景

1.2国内外研究现状

1.3研究的目的与意义

1.4论文研究内容

1.5论文研究结构

2基于IC卡数据的幂率分布的研究与分析

2.1机器学习

2.2人类行为动力学理论

2.2.1人类动力学的研究起源

2.2.2人类行为动力学研究的规律

2.3. 线性回归

2.3.1线性回归定义

2.3.2线性回归模型

2.3.3最佳拟合函数

2.3.4梯度下降优化

2.3.5线性回归模型的评价

2.4 IC卡数据分析及实验结果

2.4.1 IC卡数据预处理与特征分析

2.4.2I公交车的非限定性分站算法

2.4.3非限定性分站算法的仿真结果

2.4.4线性回归仿真结果

2.4.5线性回归模型的评价结果

2.5本章小结

3基于聚类算法的手机信令时空分布特征研究

3.1 聚类分析

3.1.1聚类简介

3.1.2聚类分析的需求

3.1.3基本聚类方法

3.2常用聚类算法

3.2.1 k-means 聚类算法

3.2.2层次聚类算法

3.2.3 DBSCAN聚类算法

3.3 基于置信度的自适应密度聚类算法

3.3.1 置信度与时间维度

3.3.2 密度聚类算法的参数自适应性

3.3.3基于置信度的自适应密度聚类算法的过程

3.4数据仿真实验

3.4.1数据的预处理

3.4.2数据的分布

3.4.3对比实验结果

3.4.4参照实验结果

3.5总结

4基于手机信令数据的人流量预测

4.1人流量预测相关理论

4.1.1人流量预测概念

4.2预测模型介绍

4.2.1ARIMA模型

4.2.2RNN循环神经网络

4.2.3LSTM(长短期记忆神经网络)

4.3模型预测评价指标

4.4预测实验结果

4.4.1数据预处理

4.4.2人流量分布

4.4.3预测实验结果

4.5本章总结

结论与展望

参考文献

致谢

攻读学位期间发表的学术论文目录

声明