城市主干道道路设计论文提纲

论文题目：城市主干道机动车行驶速度预测方法研究

摘要：随着经济发展,居民的出行需求逐渐提高,城市内的交通呈现显著增长的趋势,尤以经济发达地区和发达城市更甚。城市居民的汽车保有量的增加,导致交通设施供给不能满足交通需求。出行者之间不能协调规划路径,导致路网道路利用不合理、路网运行不能达到最优状态。由此引发众多的城市问题和交通问题,如城市道路拥堵,能源消耗,环境污染,经济损失等。城市路网中的主干道作为城市的骨架,对路网交通状态影响较大。本文针对以上交通现状和交通问题研究城市主干道机动车行驶速度的预测方法,以便交通部门更好地对城市交通进行规划、设计、管理与控制,同时也为出行者的路径规划提供主干道路网的速度信息。为能较准确地预测城市主干道的机动车行驶速度,本人完成了如下工作。首先分析城市主干道的交通特性,包括机动车流特性,车速特性以及影响主干道区间车速的主要因素。接着,本文对比分析了对速度预测的几种方法,总结出数据分析法较其他方法的优势,因此选择数据分析法作为预测速度的整体方向。人工神经网络在对数据预测分析时有较高的准确性,其中近来较热的深度学习算法应用领域广泛且该算法对数据的预测结果更为准确,因此本文选择深度学习算法作为突破口来对城市主干道速度预测。由城市主干道行驶车速的时空变化特性,本文选择具有时间序列特性的循环神经网络模型作为基本模型,并对其中两种主要的隐藏单元结构进行改进,搭建出基于深层长短期记忆模型和深层门控循环单元的速度预测方法,并对模型进行一定的优化。为验证构造的模型的有效性和实用性,本文搜集了纽约市部分主干道的速度数据及其影响因素数据,并对其中一条主干道的速度使用搭建的深层循环神经网络进行详细预测分析。在预测时,对模型的超参数进行调整以选择最优模型。此外,本文还将该搭建的深层循环神经网络的速度预测模型与其他经典时间序列模型进行对比。最后,本文研究了将预测的纽约市部分主干道速度进行动态可视化展示。从模型运行的结果分析可知,搭建的基于深层循环神经网络能较准确地预测城市主干道速度,与其他的经典时间序列模型相比,搭建的深度学习模型性能表现较优。此外,对预测的城市主干道速度进行的动态可视化能较全面地反映速度特征的变化和道路交通状况,能为出行者提供一定的道路信息以优化路径规划。

关键词：速度预测;深度学习;长短期记忆单元;门控循环单元;动态可视化

学科专业：交通运输工程

中文摘要

ABSTRACT

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 道路交通流特性

1.2.2 速度预测方法

1.2.3 深度学习在交通领域的运用

1.2.4 现状研究总结

1.3 研究内容

1.4 研究思路与技术路线

1.5 内容组织架构

第二章 城市主干道交通流特性及车速影响因素

2.1 城市主干道交通流理论

2.1.1 连续交通流特性

2.1.2 间断交通流特性

2.2 城市主干道行驶车速特性及其作用

2.2.1 地点车速特性及其作用

2.2.2 区间车速特性及其作用

2.3 城市主干道行驶车速影响因素

2.3.1 影响车速的直接因素

2.3.2 影响车速的微观因素

2.3.3 影响车速的宏观因素

2.4 城市主干道速度预测模型输入特征

2.5 本章小结

第三章 基于深度学习的速度预测方法

3.1 速度预测模型选择

3.1.1 速度获取方法比较

3.1.2 人工神经网络

3.1.3 深度学习算法

3.2 循环神经网络模型

3.2.1 基本循环单元

3.2.2 长短期记忆单元

3.2.3 门控循环单元

3.3 基于深层循环神经网络的速度预测模型

3.3.1 深层循环神经网络

3.3.2 速度预测模型搭建

3.3.3 速度预测模型优化

3.3.4 速度预测模型性能评价

3.3.5 速度预测模型技术实现

3.4 本章小结

第四章 基于深度学习的速度预测模型应用

4.1 数据搜集及预处理

4.2 数据分析

4.2.1 速度数据分析

4.2.2 行驶时间数据分析

4.2.3 其他影响因素数据分析

4.3 模型验证及对比分析

4.3.1 深度学习模型的速度预测结果

4.3.2 基于深度学习的最优速度预测模型

4.3.3 深度学习速度预测模型与传统预测模型性能对比

4.4 深度学习速度预测模型在国内的适用性分析

4.5 本章小结

第五章 速度预测的动态可视化研究

5.1 速度可视化实现方法

5.2 基本地图网页创建及自定义设置

5.2.1 基本地图网页创建

5.2.2 个性化地图设置

5.2.3 地图覆盖物添加

5.3 速度动态可视化的地图网页

5.3.1 主干道的预测速度可视化

5.3.2 路网轨迹飞线可视化

5.3.3 主干道路网速度预测的动态可视化

5.4 速度预测的可视化用途

5.5 本章小结

第六章 结论与展望

6.1 研究结论

6.2 研究创新点

6.3 研究展望

致谢

参考文献