声明
第 1章 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 国内外研究现状
1.3.1 短时交通流预测研究现状
1.3.2 道路拥堵识别研究现状
1.3.3 研究总结
1.4 研究内容和技术路线
1.4.1 研究内容
1.4.2 技术路线
第 2 章 轨迹数据处理
2.1 数据说明
2.2 轨迹数据预处理
2.3 路网数据获取与地图匹配
2.3.1 路网数据获取
2.3.2 坐标系转换
2.3.3 地图匹配
2.4 本章小结
第 3章 路段拥堵评价指标的估计与拥堵分级
3.1 路段交通流参数选取
3.1.1 流量
3.1.2 速度
3.1.3密度
3.1.4 交通流参数确定
3.2 基于轨迹数据的路段平均行程速度估计
3.2.1 平均行程速度估计时间间隔
3.2.2 路段划分和行驶方向判断
3.2.3 路段平均行程速度估计
3.2.4 示例路段行程速度分析
3.3 基于聚类算法的拥堵评价指标分级
3.3.1 基于 K-means 聚类的拥堵分级模型
3.3.2 拥堵分级标准确定
3.4 本章小结
第 4章 基于组合深度学习的平均行程速度预测模型
4.1 基线预测模型
4.1.1 基于 K 近邻算法的预测模型
4.1.2 基于 BP 神经网络算法的预测模型
4.1.3 基于支持向量回归算法的预测模型
4.2 基于组合深度学习的行程速度预测模型
4.2.1 特征提取
4.2.2 CNN 子预测模型
4.2.3 LSTM 子预测模型
4.2.4 组合预测
4.3 本章小结
第 5章 模型验证
5.1 模型性能指标
5.2 路段拥堵预测
5.2.1 预测路段和预测时段选取
5.2.2 数据集划分
5.2.3 特征输入矩阵构建和特征缩放
5.2.4 路段平均行程速度预测
5.2.5 路段拥堵状态预测
5.3 模型对比验证分析
5.3.1 不同特征对比
5.3.2 基线预测模型对比
5.4 本章小结
结论
致谢
参考文献
附录
攻读硕士学位期间发表的论文及科研成果
西南交通大学;