导读:本文包含了交通生成预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:交通,需求预测,土地利用,区位,城市,系数,新区。
交通生成预测论文文献综述
汪洋,蓝志清[1]（2019）在《基于区位影响系数的城市新区交通生成预测模型》一文中研究指出在城市新区不断发展背景下,传统交通生成预测方法中的不足逐渐凸显出来,难以满足城市新区发展需求。为此,本文从模型机理和区位影响系数着手,深入探究城市新区交通生成预测模型的构建,旨在进一步提升预测结果准确性。(本文来源于《河南科技》期刊2019年31期）
刘秩铭[2]（2019）在《基于生成对抗网络的交通场景视觉显着性区域预测》一文中研究指出交通驾驶场景是一个复杂多变的环境,其中包括车辆位置及其运动趋势、行人和交通标志的空间位置等重要信息。视觉选择性注意机制是人的视觉系统在复杂环境中将多余信号过滤掉,并提取重要信息的一种神经机制。根据该注意机制,有经验的驾驶员能够有效地搜索和处理驾驶任务中的目标信息。近年来,随着智能驾驶的研究和发展,越来越多的研究人员通过行为学眼动实验来模拟驾驶过程中的认知活动,并根据实验中采集到的驾驶员眼动数据来研究交通场景中的视觉注意机制和检测模型。本论文利用眼动数据来研究交通驾驶场景中驾驶员的视觉信息处理特征,建立了基于生成对抗网络的交通场景显着性预测模型。该模型可以比较准确地预测交通场景中驾驶员在模拟驾驶过程中的视觉显着性区域(包括主要注视区域和次要区域)。论文内容主要分为以下两部分:第一部分,介绍了眼动数据的来源以及眼动数据的预处理流程,建立了可供深度学习方法训练和测试的数据集。我们采用基础的生成对抗网络(GAN)和循环一致性生成对抗网络(CycleGAN)对本文数据集进行处理和分析,发现这两种基础方法存在欠拟合现象,其显着性评价指标也较低。CycleGAN与GAN相比,前者的预测效果较好,但生成损失的设计方式还有待改进。第二部分,基于CycleGAN的生成损失及其判别方法,本论文提出了一种图像尺度逐渐生长、生成网络多步判别的渐进式训练判别网络模型。本模型主要包含生成模型和判别模型,并设计了合适的生成损失和判别方式。生成模型采用U型的镜像结构,包含渐进式结构的编码器和解码器,其中每个尺度的网络结构都设计成残差网络单元。判别模型对生成图像的各个尺度进行多步判别,逐渐校正生成图像质量。本论文提出的神经网络模型可以生成交通驾驶场景的显着性图,即显着性预测结果。本论文基于自顶向下的视觉注意机制,提出了基于生成对抗网络的交通场景视觉显着性预测模型。本论文的模型可以有效地估计交通驾驶环境中驾驶员视觉搜索的显着性区域和环境周边突发情况,同时也能指出驾驶员注视的主要区域和交通标志等次要目标,可对未来的智能驾驶车辆和辅助驾驶系统等提供有用的理论依据和相关技术支持。(本文来源于《电子科技大学》期刊2019-03-23）
高俊[3]（2018）在《面向PHEV能量管理的短期工况预测与长期交通信息生成技术研究》一文中研究指出插电式混合动力汽车(PHEV)是解决目前能源危机、环境污染以及传统汽车燃油成本居高不下等问题的有效途径之一,而高效的能量管理策略(EMS)是插电式混合动力汽车实现以上目标的关键技术与根本保证,预测能量管理策略是兼具实时控制与最优控制特性的能量管理策略之一,在预测能量管理策略中,短期工况预测算法与交通信息获取技术是关乎预测能量管理策略效果、性能的核心要点与关键技术。因此,本文针对插电式混合动力汽车预测能量管理策略中短期工况预测与交通信息获取等问题,开展关于短期工况预测算法与交通信息生成技术的研究,其主要内容有:(1)阐述了目前在时间序列预测领域常采用的预测方法,并进行了归类分析,将预测方法分为基于特征和非特征的预测方法;在分别介绍指数平滑预测、随机过程预测与机器学习预测等传统预测算法的基本原理的基础上,进一步分析了影响各预测算法特性的关键因素,建立了相应预测算法的短期工况仿真模型,并基于MATLAB仿真平台进行仿真分析;提出了包含整体均方根误差、偏度、峰度等在内的五种评价指标用于评价短期工况预测算法的综合性能,弥补了在短期工况预测领域采用单一精度评价方法的不足。(2)为充分发挥随机过程预测在工况趋势预测和工况随机波动模拟,以及机器学习能够高精度拟合局部信息的优势,提出了融合随机过程预测与机器学习的短期工况预测算法。通过主成分分析方法对提取的特征参数进行降维,以及通过遗传算法优化组合预测模型初始参数,避免预测模型陷入局部最优。仿真结果显示优化后的组合预测算法相对于一阶马尔可夫链单尺度多步预测算法、一阶马尔可夫链多尺度单步预测算法、BP神经网路、RBF神经网络的整体均方根误差所指精度分别提高了45.32%、49.20%、39.13%、40.56%,且误差分布更加合理。开展了基于智能手机传感器的实时在线预测实验验证了所提预测算法的可行性和实时性。(3)在长期交通信息生成方面,通过智能互联终端(本文为GPS)获取的目标路段的所有车辆的位置、时间、速度等信息,进行交通流平均速度的获取,针对由于地理位置偏僻或终端收集数据较少等导致的数据缺失问题,进行了基于KNN近邻法的缺失数据补齐,然后进行目标路段交通信息的提取,为了提取满足汽车行驶特性的交通信息,采用小波进行在线重构,仿真结果表明在30%随机缺失的情况下,本文所提交通信息填补值与真实值的相关系数为0.9782,小波重构的均方误差为0.4017,表明采用车载互联终端能够生成交通信息,并验证了本文所提交通信息生成方法的有效性。(4)为了探究不同预测算法对插电式混合动力汽车能耗经济性的影响,制定了基于不同预测算法的模型预测控制能量管理策略,并在MATLAB平台进行仿真分析。在UDDS工况下的仿真结果显示基于组合预测算法的能耗经济性最接近基于全局优化的能量管理策略的仿真结果,验证了本文所提能量管理策略的有效性。由于BP、RBF、组合预测的偏度与峰度值非常接近导致叁者的能耗经济性比较接近,且结果表明整体均方根越小并不一定获得最好的能耗经济性,进一步验证了所提短期工况预测评价方法的合理性,进而为短期工况预测算法的制定和优化提供参考。(本文来源于《重庆大学》期刊2018-05-01）
姚向明,赵鹏,邹庆茹,杨陶源[4]（2018）在《轨道交通断面流仿真预测系统中需求生成》一文中研究指出针对断面流仿真预测系统中输入起讫点(origin-destination,OD)矩阵的时间跨度与需求生成时间粒度不一致问题,结合进站量短时预测构建需求生成组合策略,将OD矩阵时间跨度离散化为等长子时段,基于自动售检票机实时传输的统计客流量预测短时进站量,确定子时段内需求分配比例,从而使需求生成过程沿着子时段客流波动轨迹变化.以北京市轨道交通某站为例进行实证分析,结果表明:对比既有单一时段内基于泊松分布的需求生成,所构建的需求生成策略与实际客流到达规律吻合度提高了约22.89%;对比多种进站量短时预测模型,认为卡尔曼滤波模型能够满足在线预测的时效与精度需求.(本文来源于《北京工业大学学报》期刊2018年04期）
刘勇[5]（2016）在《新城区交通生成预测方法研究》一文中研究指出交通生成预测是交通需求预测的重要步骤,传统交通生成预测方法基于大量调查数据基础上进行,而新城区缺乏现状交通调查资料、且规划年的人口分布和土地利用特征与现状相比有较大的变化,传统交通需求预测方法已不再适用。本文针对新城区特点,考虑新、老城区之间出行特性差异性,提出通过量化土地利用和交通需求之间关系的交通生成预测方法,最后进行了详细的实例应用分析,证明了该方法的有效性。(本文来源于《低碳世界》期刊2016年13期）
李祺,尹超英,田义海,张子贤,广晓平[6]（2015）在《城市新区交通生成预测模型研究》一文中研究指出从土地利用的功能特性与新区交通的密切关系入手,针对现有城市新区交通生成预测方法的不足,综合考虑各交通区域的人口、面积、区位、土地利用强度等因素对交通生成预测结果的影响,建立基于土地利用和区位影响系数的城市新区交通生成预测模型.以兰州新区为例,验证了模型的可行性.(本文来源于《兰州交通大学学报》期刊2015年06期）
曲同庆,严凌[7]（2015）在《考虑可达性的交通生成预测模型》一文中研究指出基于土地利用的交通生成预测方法是交通规划实际项目中的常用方法,根据以往的科研成果表明:土地性质、规模、开发强度是影响交通生成的重要因素。本文在此成功经验的基础上,考虑了交通小区可达性对于交通量生成的影响,选取了合适的可达性评价模型,利用交通规划软件Emme测算了某些指标,并通过算例进行了分析验证。(本文来源于《中国水运(下半月)》期刊2015年05期）
牛世峰,姜桂艳[8]（2015）在《洪涝灾害条件下疏散交通生成预测方法》一文中研究指出为有助于有关部门更准确预测洪涝灾害受灾民众的疏散量,结合非集计数据和集计数据的优点,提出分区集计数据的概念,设计了受灾区域分区方法,并通过意向偏好(SP)调查法对我国居民在洪涝条件下疏散交通需求数据进行调查。在此基础上,引入BP神经网络建立基于分区集计数据的疏散交通生成预测模型。利用调查数据进行实证分析发现,所设计方法取得了较好的预测效果,鲁棒性较好,平均相对预测误差仅为1.8%,其预测效果明显优于现有的非集计和整集计模型。(本文来源于《中国安全科学学报》期刊2015年03期）
李永晟,夏超[9]（2014）在《基于用地混合熵的城市交通生成预测模型》一文中研究指出以城市规划年土地利用为切入点,以土地利用规模、性质以及片区土地利用混合度为基础,采用回归分析方法,得到不同用地的出行吸引权重,并引入用地混合熵的概念,建立了城市交通生成预测模型.模型应用于陕西西安市主城区规划年需求预测分析,预测结果表明:不同片区的用地混合程度会导致需求的差异性;除雁塔区以外,其他四个交通大区出行发生量与吸引量误差均在±5%以内,具有较好的可行性和可靠性.(本文来源于《天津城建大学学报》期刊2014年05期）
张燕,严凌[10]（2014）在《基于SD的组团式城市交通生成预测理论方法研究》一文中研究指出多中心组团城市形态的发展模式已经成为国内外城市发展的重要趋势,本文着重分析组团式城市的交通特征,将系统动力学应用于组团式城市交通生成预测模拟,利用其擅长研究动态、非线性复杂系统的特点,针对目前组团式城市预测中主要采用的回归分析方法和时间序列模型存在的缺陷,本文建立的模型可以全面地考虑各种主要因素对组团式城市交通生成预测的影响,运行软件(VENSIM)来模拟、分析,将城市土地利用性质、城市组团中心数目、人口、经济发展四者的动态关系纳入其中,为组团式城市规模赋予一个特征值。较好地解决影响组团式城市交通生成预测所产生的误差问题。最后,选定浙江省永嘉县和假设的小规模的组团城市作为案例研究对象,通过实际调查得到的交通数据,运用创建的模型加以嵌套,得出结论,证明了模型的可行性。(本文来源于《森林工程》期刊2014年05期）
交通生成预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
交通驾驶场景是一个复杂多变的环境,其中包括车辆位置及其运动趋势、行人和交通标志的空间位置等重要信息。视觉选择性注意机制是人的视觉系统在复杂环境中将多余信号过滤掉,并提取重要信息的一种神经机制。根据该注意机制,有经验的驾驶员能够有效地搜索和处理驾驶任务中的目标信息。近年来,随着智能驾驶的研究和发展,越来越多的研究人员通过行为学眼动实验来模拟驾驶过程中的认知活动,并根据实验中采集到的驾驶员眼动数据来研究交通场景中的视觉注意机制和检测模型。本论文利用眼动数据来研究交通驾驶场景中驾驶员的视觉信息处理特征,建立了基于生成对抗网络的交通场景显着性预测模型。该模型可以比较准确地预测交通场景中驾驶员在模拟驾驶过程中的视觉显着性区域(包括主要注视区域和次要区域)。论文内容主要分为以下两部分:第一部分,介绍了眼动数据的来源以及眼动数据的预处理流程,建立了可供深度学习方法训练和测试的数据集。我们采用基础的生成对抗网络(GAN)和循环一致性生成对抗网络(CycleGAN)对本文数据集进行处理和分析,发现这两种基础方法存在欠拟合现象,其显着性评价指标也较低。CycleGAN与GAN相比,前者的预测效果较好,但生成损失的设计方式还有待改进。第二部分,基于CycleGAN的生成损失及其判别方法,本论文提出了一种图像尺度逐渐生长、生成网络多步判别的渐进式训练判别网络模型。本模型主要包含生成模型和判别模型,并设计了合适的生成损失和判别方式。生成模型采用U型的镜像结构,包含渐进式结构的编码器和解码器,其中每个尺度的网络结构都设计成残差网络单元。判别模型对生成图像的各个尺度进行多步判别,逐渐校正生成图像质量。本论文提出的神经网络模型可以生成交通驾驶场景的显着性图,即显着性预测结果。本论文基于自顶向下的视觉注意机制,提出了基于生成对抗网络的交通场景视觉显着性预测模型。本论文的模型可以有效地估计交通驾驶环境中驾驶员视觉搜索的显着性区域和环境周边突发情况,同时也能指出驾驶员注视的主要区域和交通标志等次要目标,可对未来的智能驾驶车辆和辅助驾驶系统等提供有用的理论依据和相关技术支持。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通生成预测论文参考文献
[1].汪洋,蓝志清.基于区位影响系数的城市新区交通生成预测模型[J].河南科技.2019
[2].刘秩铭.基于生成对抗网络的交通场景视觉显着性区域预测[D].电子科技大学.2019
[3].高俊.面向PHEV能量管理的短期工况预测与长期交通信息生成技术研究[D].重庆大学.2018
[4].姚向明,赵鹏,邹庆茹,杨陶源.轨道交通断面流仿真预测系统中需求生成[J].北京工业大学学报.2018
[5].刘勇.新城区交通生成预测方法研究[J].低碳世界.2016
[6].李祺,尹超英,田义海,张子贤,广晓平.城市新区交通生成预测模型研究[J].兰州交通大学学报.2015
[7].曲同庆,严凌.考虑可达性的交通生成预测模型[J].中国水运(下半月).2015
[8].牛世峰,姜桂艳.洪涝灾害条件下疏散交通生成预测方法[J].中国安全科学学报.2015
[9].李永晟,夏超.基于用地混合熵的城市交通生成预测模型[J].天津城建大学学报.2014
[10].张燕,严凌.基于SD的组团式城市交通生成预测理论方法研究[J].森林工程.2014
论文知识图
