基于人工神经网络的高速公路短时交通流混合预测方法研究

声明

第一章 绪论

1.1 研究背景与意义

1.1.1 研究背景

1.1.2 研究目的和意义

1.2 国内外研究现状

1.3 本文主要研究内容

1.4 本文组织结构

第二章 短时交通流特性分析

2.1 短时交通流基本参数定义

2.1.1 交通流数据来源

2.1.2 交通流三参数

2.2 短时交通流基本特性分析

2.3 短时交通流时空特性分析

2.3.1 时间特性分析

2.3.2 空间特性分析

2.4 本章小结

第三章 交通流数据预处理

3.1 交通流数据识别

3.1.1 缺失数据识别

3.1.2 异常数据识别

3.2 基于流形距离的 K近邻数据修复算法

3.2.1 传统数据修复方法

3.2.2 流形距离度量方法

3.2.3 数据的归一化与评价指标

3.3 实验设计与结果分析

3.4 本章小结

第四章 基于改进长短期记忆网络的短时交通流预测模型

4.1 循环神经网络 RNN

4.1.1 长短期记忆网络 LSTM

4.1.2 门控循环单元 GRU

4.2 基于 IMSE-LSTM的短时交通流预测模型架构

4.2.1 Dropout 层结构优化

4.2.2 改进损失函数 IMSE

4.3 实验设计与结果分析

4.4 本章小结

第五章 基于时空特性的短时交通流混合预测模型

5.1 空间相关性预测模型

5.1.1 径向基函数神经网络 RBF

5.1.2 空间相关性预测模型预测流程

5.2 基于 IMSE-LSTM-RBF的短时交通流混合预测模型

5.2.1 熵值法理论

5.2.2 基于 IMSE-LSTM-RBF的短时交通流混合预测模型架构

5.3 实验设计与结果分析

5.4 本章小结

第六章 总结

6.1 主要工作回顾

6.2 展望

参考文献

个人简历 在读期间发表的学术论文

致谢