基于深度学习的交通流预测和拥堵预防
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-12页 |
| 1.2 课题研究的现状 | 第12-15页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.2.3 国内外研究现状分析 | 第14-15页 |
| 1.3 论文的主要工作及内容安排 | 第15-16页 |
| 第2章 深度学习基础知识 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 深度学习基础模型 | 第16-20页 |
| 2.2.1 深度信念网络 | 第16-17页 |
| 2.2.2 卷积神经网络 | 第17-19页 |
| 2.2.3 自动编码网络 | 第19-20页 |
| 2.3 模型训练方法 | 第20-23页 |
| 2.4 支持向量回归 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于深度学习的交通流预测 | 第26-44页 |
| 3.1 引言 | 第26页 |
| 3.2 基于交通仿真平台获取数据 | 第26-31页 |
| 3.2.1 交通流参数介绍 | 第26-27页 |
| 3.2.2 路网搭建及数据获取 | 第27-31页 |
| 3.3 交通流预测基本思想 | 第31-33页 |
| 3.4 基于深度信念网络的预测模型 | 第33-35页 |
| 3.5 仿真结果分析 | 第35-43页 |
| 3.5.1 模型参数设定 | 第35-37页 |
| 3.5.2 隐层节点数 | 第37-38页 |
| 3.5.3 输出层节点数 | 第38-39页 |
| 3.5.4 输入层节点数 | 第39-41页 |
| 3.5.5 网络层数 | 第41-42页 |
| 3.5.6 与传统方法对比 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于交通流预测的拥堵预防 | 第44-52页 |
| 4.1 引言 | 第44页 |
| 4.2 交通状态基础知识 | 第44-46页 |
| 4.3 拥堵预防基本思想 | 第46-48页 |
| 4.3.1 控制信号灯 | 第46-47页 |
| 4.3.2 设置拥堵费 | 第47-48页 |
| 4.4 仿真分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |
