首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--交通工程与交通管理论文

高速公路用户出行行为预测方法研究

致谢第4-5页
摘要第5-6页
ABSTRACT第6-7页
1 引言第11-19页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 用户出行行为模式挖掘第12-13页
        1.2.2 用户出行次数预测第13-14页
        1.2.3 用户出行目的地预测第14-15页
    1.3 论文的研究内容和章节安排第15-18页
        1.3.1 研究内容第15-17页
        1.3.2 章节安排第17-18页
    1.4 本章小结第18-19页
2 相关理论基础第19-31页
    2.1 时空序列概述以及相关理论第19-21页
        2.1.1 时空序列概述第19-20页
        2.1.2 时空数据挖掘第20-21页
    2.2 机器学习模型第21-23页
        2.2.1 回归模型第21-22页
        2.2.2 分类模型第22-23页
    2.3 深度神经网络第23-28页
        2.3.1 神经网络概述第24-25页
        2.3.2 自编码器第25-26页
        2.3.3 长短期记忆模型第26-28页
    2.4 注意力机制理论第28-30页
    2.5 本章小结第30-31页
3 用户出行行为模式挖掘第31-44页
    3.1 总体思路概述第31-32页
    3.2 数据集处理第32-34页
    3.3 用户出行行为模式挖掘第34-43页
        3.3.1 用户表示学习第36-37页
        3.3.2 常驻地发现第37-39页
        3.3.3 位置语义建模第39-42页
        3.3.4 出行目的推断第42-43页
    3.4 本章小结第43-44页
4 用户出行次数预测第44-55页
    4.1 问题定义第44-45页
    4.2 总体研究思路第45-46页
    4.3 STU-LSTM预测模型第46-49页
        4.3.1 时间表示模块第46-47页
        4.3.2 用户表示模块第47-49页
        4.3.3 出行表示模块第49页
        4.3.4 出行次数序列预测第49页
    4.4 实验设置与结果分析第49-54页
        4.4.1 实验数据集处理第49-50页
        4.4.2 基准对比方法第50-51页
        4.4.3 实验平台介绍及参数设置第51-52页
        4.4.4 实验评价指标第52页
        4.4.5 实验结果分析第52-54页
    4.5 本章小结第54-55页
5 用户出行OD预测第55-73页
    5.1 问题定义第55-56页
    5.2 总体研究思路第56-57页
    5.3 STUAM预测模型第57-62页
        5.3.1 位置表示学习第57-59页
        5.3.2 时空表示模块第59页
        5.3.3 用户出行模式模块第59-60页
        5.3.4 用户出行OD序列预测第60-62页
    5.4 STUASM预测模型第62-63页
        5.4.1 候选OD表示第62页
        5.4.2 用户出行OD序列预测第62-63页
    5.5 实验设置与结果分析第63-72页
        5.5.1 实验数据集处理第63页
        5.5.2 基准对比方法第63-64页
        5.5.3 实验评价指标第64-66页
        5.5.4 实验结果分析第66-72页
    5.6 本章小结第72-73页
6 结论与展望第73-75页
    6.1 全文总结第73页
    6.2 研究展望第73-75页
参考文献第75-80页
作者简历及攻读硕士/博士学位期间取得的研究成果第80-82页
学位论文数据集第82页

论文共82页,点击 下载论文
上一篇:基于协同过滤算法的推荐系统的研究
下一篇:芍药甘草汤眼部贴敷治疗视疲劳临床疗效观察