文档介绍：葶震印筋天擎短时交通流预测模型及预测方法的研究信:垦科堂撞苤堂瞳让箕扭抖堂撞苤丕模式迟别副教援煅芯可妒垦宦畚学校代码:系:类工堂亟±领域:指导教师:处佳蹇申请人:高雅年学号:院别:华东师范大学硕士学位论文
畉兰奎堑堕盔兰堡主堂垡笙奎~::,:.:’■●■●■■■■■●■■‘‘‘’’畂!畂。。。。·!···.甠———■
作者签名:直缝本人签名高:缝如『晁暝洛低日期:刃年岁月劣日间在导师指导下完成的硕≯/博士牍囱学位论文,本论文的研究成果归华东师在华东师范大学攻读硕左/博士牍囱学位期间,,适用上述授权。郑重声明:本人呈交的学位论文《短时交通流预测模型及预测方法的研究》,是作及取得的研究成果。除文中已经注明引用的内容外,本论文不包含其他个人已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体,均已在文中作了明确说明并表示谢意。《短时交通流预测模型及预测方法的研究》系本人在华东师范大学攻读学位期范大学所有。本人同意华东师范大学根据相关规定保留和使用此学位论文,并向主管部门和相关机构如国家图书馆、中信所和“知网”送交学位论文的印刷版和电子版;允许学位论文进入华东师范大学图书馆及数据库被查阅、借阅:同意学校将学位论文加入全国博士、硕士学位论文共建单位数据库进行检索,将学位论文的标题和摘要汇编出版,采用影印、缩印或者其它方式合理复制学位论文。“内部’’或“涉密”学位论文幸,年日解密,解密后适用上述授权。导师签名于月·“涉密”学位论文应是已经华东师范人学学位评定委员会办公室或保密委员会审定过的学位论文韪交衽摹痘6Ψ度搜а芯可昵胙宦畚摹吧婷堋鄙笈怼贩轿S行,未经上述部门审定的学位论文均为公开学位论文。此声明栏不填写的。默认为公开学位论文。均适用上述授权华东师范人学硕士学位论文
直壁硕士学位论文答辩委员会成员名单姓名职称单位张桂戌教授华东师范大学计算机系续晋华副教授备注主席王荣良华东师范大学硕士学位论文
摘要性的,特别足相邻路口,这种相关性体现的更为明显。在本文巾,我们提出了多基础,对单链路交通流预测模型和多链路交通流预测模型进行了大量实验上的比项。本文通过对高斯过程回归进行理论上学习和研究,并结合实际的实验,对其本文对短时交通流预测模型及预测方法进行了大量研究,提出了多链路的交通流预测模型,研究了神经网络及高斯过程回归在交通流预测中的应用,最后利用图械南∈柰寄P徒⒍远嗔绰方煌髟げ饨辛私徊降挠呕短时交通流预测一直是智能交通系统研究中的一个热门话题。传统的预测模型采用的都是单链路预测模型,即在对一条链路上的未来时刻交通流进行预测时,使用的仅是该链路上的历史数据,而没有考虑到相邻链路上的交通流量提供的相关信息。事实上,在整个交通系统中,各条链路之间的交通流量是存在相关链路交通流预测模型,对相邻路口的交通流量进行了相关性考虑。通过大景实验,我们验证了多链路交通流预测模型的优越性。神经网络在机器学习中的应用备受熟知,其中,神经网络更是被广泛用于如视觉场景分析、语音识别等多种具体的机器学习领域。由于具有出色的处理复杂问题的能力和高度的自学习自组织以及自适应能力,神经网络在机器学习应用中一直表现良好。在本文中,我们以神经网络预测方法为较,并且结合了多任务学习和单任务学习,共构建出了四组预测模型。通过对实验结果进行整体和局部上的比较和分析,我们对神经网络在交通流预测中的应用有了一个更深入更全面的认识。高斯过程回归是基于贝叶斯理论的经典回归算法,由于具有实现容易、参数较少以及模型解释性强等特点,在机器学习领域具有广泛的研究。高斯过程是广义上的高斯概率分布,这里的随机过程指的是函数,不同于高斯概率分布中的随机变量是标量或者向量嘣8怕史植记榭鱿。高斯过程回归中的相关推理均是在函数空间进行的,算法最终给出的是测试集上目标输出的后验分布。这个后验分布也是服从高斯分布的,高斯过程回归算法的输出为分布的均值和协方差两华东师范大学硕士论文