| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究的问题及意义 | 第13-14页 |
| 1.3 研究的难点与挑战 | 第14-16页 |
| 1.3.1 基于卷积神经网络的特征提取 | 第15页 |
| 1.3.2 基于LSTM的特征提取 | 第15-16页 |
| 1.4 研究的内容与成果 | 第16-19页 |
| 1.4.1 交通数据中长期依赖关系建模 | 第16-17页 |
| 1.4.2 单路段上交通数据依赖关系建模 | 第17-18页 |
| 1.4.3 多路段上交通数据依赖关系建模 | 第18页 |
| 1.4.4 交通数据特征和预测信息之间依赖关系建模 | 第18-19页 |
| 1.5 论文组织 | 第19-20页 |
| 2 相关研究现状综述 | 第20-30页 |
| 2.1 数据驱动的交通预测模型研究现状 | 第20-25页 |
| 2.2 长短期记忆网络应用研究现状 | 第25页 |
| 2.3 卷积神经网络应用研究现状 | 第25-27页 |
| 2.4 注意力机制的应用研究现状 | 第27-30页 |
| 3 基于LSTM和注意力机制的预测模型 | 第30-48页 |
| 3.1 概述 | 第30页 |
| 3.2 基于LSTM和注意力机制的神经网络 | 第30-35页 |
| 3.2.1 交通时间预测的LSTM网络 | 第30-32页 |
| 3.2.2 注意力机制网络 | 第32-33页 |
| 3.2.3 基于LSTM和注意力机制的神经网络 | 第33-34页 |
| 3.2.4 模型训练方法 | 第34-35页 |
| 3.3 实验环境设置 | 第35-38页 |
| 3.3.1 数据集描述 | 第36页 |
| 3.3.2 评价指标 | 第36-37页 |
| 3.3.3 基线方法与其参数设置 | 第37-38页 |
| 3.4 实验验证与分析 | 第38-47页 |
| 3.4.1 数据预处理 | 第38-39页 |
| 3.4.2 模型的参数设置 | 第39-40页 |
| 3.4.3 单路段交通数据中依赖关系验证 | 第40-41页 |
| 3.4.4 预测精确度对比分析 | 第41-44页 |
| 3.4.5 预测值和观察值实验对比分析 | 第44-46页 |
| 3.4.6 注意力机制应用案例研究 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 基于卷积神经网络的单路段预测模型 | 第48-62页 |
| 4.1 概述 | 第48-49页 |
| 4.2 面向单路段数据的卷积神经网络 | 第49-53页 |
| 4.2.1 神经网络的结构 | 第49-50页 |
| 4.2.2 输入序列描述 | 第50页 |
| 4.2.3 限定历史交通数据点与预测信息之间依赖关系的新方法 | 第50-51页 |
| 4.2.4 卷积神经网络 | 第51-52页 |
| 4.2.5 非线性关系的捕获 | 第52页 |
| 4.2.6 输出预测器 | 第52-53页 |
| 4.3 实验验证与分析 | 第53-59页 |
| 4.3.1 模型的参数设置 | 第53页 |
| 4.3.2 预测精确度对比分析 | 第53-56页 |
| 4.3.3 预测值和观察值实验对比分析 | 第56-59页 |
| 4.3.4 结果讨论 | 第59页 |
| 4.4 本章小结 | 第59-62页 |
| 5 基于卷积神经网络的多路段预测模型 | 第62-74页 |
| 5.1 概述 | 第62页 |
| 5.2 面向多路段数据的卷积神经网络 | 第62-65页 |
| 5.2.1 神经网络的结构 | 第62-63页 |
| 5.2.2 输入序列描述 | 第63-64页 |
| 5.2.3 局部接受域的生成 | 第64页 |
| 5.2.4 卷积神经网络 | 第64-65页 |
| 5.3 实验验证与分析 | 第65-72页 |
| 5.3.1 数据预处理 | 第65-66页 |
| 5.3.2 模型的参数设置 | 第66-67页 |
| 5.3.3 多路段交通数据中依赖关系验证 | 第67-68页 |
| 5.3.4 预测精确度对比分析 | 第68-71页 |
| 5.3.5 预测值和观察值实验对比分析 | 第71-72页 |
| 5.4 本章小结 | 第72-74页 |
| 6 基于卷积组件和注意力机制的预测模型 | 第74-84页 |
| 6.1 概述 | 第74-75页 |
| 6.2 基于卷积组件和注意力机制的神经网络 | 第75-77页 |
| 6.2.1 神经网络的结构 | 第75-76页 |
| 6.2.2 输入序列描述 | 第76页 |
| 6.2.3 卷积组件 | 第76-77页 |
| 6.2.4 注意力机制的设计 | 第77页 |
| 6.2.5 输出预测器 | 第77页 |
| 6.3 实验验证与分析 | 第77-83页 |
| 6.3.1 模型的参数设置 | 第77-78页 |
| 6.3.2 预测精确度对比分析 | 第78-81页 |
| 6.3.3 预测值和观察值实验对比分析 | 第81-83页 |
| 6.4 本章小结 | 第83-84页 |
| 7 结论 | 第84-86页 |
| 7.1 研究内容与成果 | 第84-85页 |
| 7.2 工作展望 | 第85-86页 |
| 参考文献 | 第86-98页 |
| 作者简历及在学研究成果 | 第98-101页 |
| 学位论文数据集 | 第101页 |