基于出租车GPS轨迹数据的多特征客流预测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-12页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.2.1 交通流预测 | 第7-9页 |
| 1.2.2 出行需求预测 | 第9-10页 |
| 1.3 本文研究内容 | 第10-11页 |
| 1.4 本文组织结构 | 第11-12页 |
| 2 轨迹数据及其处理 | 第12-16页 |
| 2.1 轨迹数据概述 | 第12-13页 |
| 2.1.1 轨迹数据介绍 | 第12-13页 |
| 2.1.2 轨迹数据特征 | 第13页 |
| 2.2 轨迹数据处理 | 第13-15页 |
| 2.2.1 数据清洗 | 第13-14页 |
| 2.2.2 数据变换 | 第14-15页 |
| 2.2.3 轨迹压缩 | 第15页 |
| 2.2.4 路网匹配 | 第15页 |
| 2.3 本章小结 | 第15-16页 |
| 3 基于轨迹数据的多特征客流预测方法 | 第16-38页 |
| 3.1 方法的总体概述 | 第16-18页 |
| 3.1.1 问题描述 | 第16页 |
| 3.1.2 解决思路及方案概述 | 第16-18页 |
| 3.2 数据处理 | 第18-20页 |
| 3.2.1 数据预处理 | 第18-19页 |
| 3.2.2 行驶轨迹提取 | 第19-20页 |
| 3.3 区域划分及聚类 | 第20-23页 |
| 3.3.1 区域划分 | 第20-22页 |
| 3.3.2 区域聚类 | 第22-23页 |
| 3.4 出行特征识别 | 第23-31页 |
| 3.4.1 一般出行特征识别 | 第23-29页 |
| 3.4.2 潜在出行特征识别 | 第29-31页 |
| 3.5 多特征客流预测方法 | 第31-37页 |
| 3.5.1 深度神经网络原理 | 第31-36页 |
| 3.5.2 多特征客流预测模型的构建 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 实例验证与对比分析 | 第38-52页 |
| 4.1 实例验证 | 第38-47页 |
| 4.1.1 数据集处理 | 第38页 |
| 4.1.2 模型参数选择 | 第38-39页 |
| 4.1.3 实例结果分析 | 第39-47页 |
| 4.2 对比实验分析 | 第47-51页 |
| 4.2.1 对比实验方案 | 第47-49页 |
| 4.2.2 对比结果分析 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-58页 |
