基于手机信令数据的区域交通流量预测技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容和组织结构 | 第12-14页 |
| 1.3.1 论文主要研究内容 | 第12-13页 |
| 1.3.2 论文组织结构 | 第13-14页 |
| 第2章 背景技术介绍 | 第14-23页 |
| 2.1 手机信令数据定位技术介绍 | 第14-19页 |
| 2.1.1 手机信令数据产生原理 | 第14-17页 |
| 2.1.2 手机信令数据特征 | 第17-19页 |
| 2.2 深度学习相关技术 | 第19-22页 |
| 2.2.1 RNN神经网络模型 | 第20页 |
| 2.2.2 RNN前向传播 | 第20-21页 |
| 2.2.3 RNN模型训练算法 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于网格密度的区域流量提取方法 | 第23-32页 |
| 3.1 手机信令数据预处理 | 第23-25页 |
| 3.2 地图网格化与区域流量提取 | 第25-31页 |
| 3.2.1 地图网格化 | 第26-27页 |
| 3.2.2 基于网格密度的区域生长算法 | 第27-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 基于循环神经网络的区域流量预测模型 | 第32-40页 |
| 4.1 方法可行性分析 | 第32页 |
| 4.2 预测模型 | 第32-39页 |
| 4.2.1 LSTM基本原理 | 第32-34页 |
| 4.2.2 预测框架 | 第34-38页 |
| 4.2.3 区域流量预测 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 实验结果及分析 | 第40-56页 |
| 5.1 实验配置 | 第40-42页 |
| 5.1.1 运行环境 | 第40页 |
| 5.1.2 数据集 | 第40-42页 |
| 5.2 实验结果与分析 | 第42-55页 |
| 5.2.1 预处理 | 第42-45页 |
| 5.2.2 区域流量提取 | 第45-48页 |
| 5.2.3 预测结果分析 | 第48-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第63页 |
