基于时间卷积网络的城市快速路交通流量预测方法研究

目录

声明

致谢

1 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 基于统计分析的预测方法

1.2.2 基于非线性理论的预测方法

1.2.3 基于现代科学的智能预测方法

1.2.4 研究现状总结

1.3 主要研究内容

1.4 技术路线

2 城市快速路交通流特性分析

2.1 交通流三参数时空特性分析

2.1.1 交通流量时空特性分析

2.1.2 交通速度时空特性分析

2.1.3 占有率时空特性分析

2.2 交通流三参数模型

2.2.1 交通流三参数模型

2.2.2 交通流参数间的关系

2.3 交通流数据可预测性分析

2.3.1 混沌特性

2.3.2 可预测性递归图分析

2.4 本章小结

3 城市快速路交通流故障数据的识别与修复

3.1 交通流数据的来源

3.1.1 微波检测器数据的采集

3.1.2 交通流数据的整合

3.2 交通流故障数据的识别方法

3.2.1 故障数据的产生原因

3.2.2 缺失数据的识别方法

3.2.3 错误数据的识别方法

3.3 交通流故障数据的修复方法

3.3.1 相关性理论

3.3.2 基于统计相关分析的故障数据修复模型

3.4 实例分析

3.5 本章小结

4 基于时间卷积网络的快速路短时交通流量预测

4.1 深度学习理论

4.1.1 卷积神经网络

4.1.2 循环神经网络

4.1.2 时间卷积网络

4.2 基于时间卷积网络的短时交通流量预测模型

4.2.1 模型构建

4.2.2 目标函数

4.2.3 模型训练

4.3 实例验证

4.3.1 实验数据

4.3.2 评价指标

4.3.3 参数选择

4.3.4 结果分析

4.4 本章小结

5 基于Boosting融合的快速路短时交通流量预测

5.1 集成学习技术

5.1.1 Boosting 方法

5.1.2 Bagging 方法

5.1.3 随机森林算法

5.2 基于Boosting融合的快速路短时交通流量预测模型

5.2.1 基于特征工程的交通流数据处理

5.2.2 基于随机森林的短时交通流量预测模型构建

5.2.3 基于Boosting融合的短时交通流量预测模型构建

5.3 实例验证

5.3.1 实验数据

5.3.2 评价指标

5.3.3 参数选择

5.3.4 结果分析

5.4 本章小结

6 总结与展望

6.1 研究结论

6.2 研究展望

参考文献

作者简历及攻读硕士/博士学位期间取得的研究成果

独创性声明

学位论文数据集