基于深度神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測算法研究.pdf

1、近年來，隨著社會經(jīng)濟(jì)的不斷發(fā)展，城鎮(zhèn)化水平不斷提高，交通問題已經(jīng)成為人們關(guān)注的焦點(diǎn)。為了緩解交通擁堵，短時交通流量預(yù)測已逐漸成為智能交通系統(tǒng)研究領(lǐng)域的重點(diǎn)研究方向之一。然而，現(xiàn)有的諸多短時交通流量預(yù)測模型已經(jīng)無法滿足應(yīng)用需求，其主要原因有:1）淺層結(jié)構(gòu)模型存在缺陷;2）研究場景大多是封閉的高速公路;3）現(xiàn)有方法僅用單一的流量預(yù)測流量，而并沒有綜合考慮速度和占有率等多元交通變量。因此，基于深層結(jié)構(gòu)的短時交通流量預(yù)測模型已逐漸成為研究熱點(diǎn)之

2、一。
　　本文針對交通流量數(shù)據(jù)在時間和空間上的內(nèi)在關(guān)聯(lián)性，提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測算法。主要研究內(nèi)容如下:第一，總結(jié)和整理了現(xiàn)有的短時交通流量預(yù)測和深度神經(jīng)網(wǎng)絡(luò)的研究工作，并詳細(xì)介紹了短時交通流量預(yù)測和深度神經(jīng)網(wǎng)絡(luò)的常見模型或者算法;第二，基于棧式自編碼深度神經(jīng)網(wǎng)絡(luò)模型，提出了一種基于支持向量回歸棧式自編碼的短時交通流量預(yù)測算法(簡稱S-SAE)。同時通過逐層貪婪訓(xùn)練的方法重新表征交通流量特征，實(shí)現(xiàn)對短時交通流

3、量預(yù)測。第三，在真實(shí)交通數(shù)據(jù)中進(jìn)行比較實(shí)驗(yàn)，驗(yàn)證了S-SAE算法的有效性，提高了預(yù)測精度。本文的創(chuàng)新和主要貢獻(xiàn)包括:第一，提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測模型，以提高短時交通流量預(yù)測的準(zhǔn)確度;第二，S-SAE算法已經(jīng)成功應(yīng)用于廈門市交通大數(shù)據(jù)分析平臺的短時交通流量預(yù)測模塊，并取得了預(yù)期效果。
　　本文的研究工作，一方面將有效提高短時交通流量預(yù)測的準(zhǔn)確度，另一方面將有利于拓展路況查詢方面的惠民應(yīng)用，為市民提供交通出行指南