基于深度学习的城市出租车流量预测模型

目录

声明

第一章 绪 论

1.1 选题背景和研究意义

1.2 国内外研究现状

1.3 本文主要工作及创新点

1.4 本文主要结构

1.5 本章小结

第二章 相关理论介绍

2.1 时空数据与挖掘介绍

2.2 传统统计学习算法

2.3 机器学习回归算法

2.4 卷积神经网络CNN

2.5 图卷积网络GCN

2.6 循环神经网络RNN

2.7 本章小结

第三章 出租车流量预测模型设计

3.1 问题定义

3.2 时空注意力机制

3.3 模型网络结构介绍

3.4 残差块和BatchNormal

3.5 编解码BiLSTM模块

3.6 本章小结

第四章 实验结果与分析

4.1 数据介绍

4.2 评估指标

4.3 实验环境及参数设置

4.4 实验结果

4.5 本章小结

第五章 总结与展望

5.1 全文总结

5.2 未来展望

致谢

参考文献